Article Per Year (5 Year)
p-Index From 2020 - 2025
4.988
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Indonesian Journal of Disability Studies Journal of Environmental Engineering and Sustainable Technology Jurnal Teknologi Informasi dan Ilmu Komputer Register: Jurnal Ilmiah Teknologi Sistem Informasi Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Budi Darma Setiawan
Fakultas Ilmu Komputer , Universitas Brawijaya
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Mechanical Engineering Social Sciences

Published : 150 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 132 Documents
Search
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 9   10   11   12   13 
Prediksi Penjualan Seblak menggunakan Algoritme Extreme Learning Machine di Seblak Malabar Fadhlillah Ikhsan; Budi Darma Setiawan; Tibyani Tibyani
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 11 (2019): November 2019
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (460.409 KB)

Abstract

Seblak Malabar is a business in Malang running on food sector. The typical uniqueness of flavor and the diversity of menu which make the food attract many customers. However, because of the impact of some factors, such as weather change and tighter market trend, makes Seblak sale run into the fluctuation. It makes some new problems; those are problem in maximizing the profit and maintaining the stability of logistics. From those problems, the upcoming selling prediction is a solution offered by the researcher because it has an important role to make a decision. The data used for this prediction refers to the previous sale data. That data is time series because it is arranged based on the time. Time series data prediction is very complex problem so that it is needed a method which is able to produce a prediction based on previous data pattern movement. Extreme Learning Machine Algorithm in Artificial Neural Network (ANN) feedforward network is suggested by the researcher because it has very good performance in predicting time series data. From the research conducted, ELM algorithm is able to produce Mean Average Percentage Error (MAPE) up to 1.7548%. MAPE score less than 10% indicates that ELM algorithm can be used to predict the sale of Seblak Malabar.
Klasifikasi Risiko Hipertensi menggunakan Fuzzy K-Nearest Neighbor Deby Chintya; Budi Darma Setiawan; Sutrisno Sutrisno
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 3 No 11 (2019): November 2019
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (333.005 KB)

Abstract

Hypertension, also known as high blood pressure, is a condition where there's increase of blood pressure above the normal level of 120/80 mmHg. Hypertension can cause cardiovascular disease and increased death risk by coronary heart disease and stroke. According to Riset Kesehatan Dasar in Indonesia, hypertension is the most prevalent health problems with 25,8% percentage in 2013. Development of classification system for hypertension risk can be used to detect early hypertension disease. Classification of hypertension risk in this research uses Fuzzy K-Nearest Neighbor method, with Information Gain feature selection. Accuracy value resulted from the test is 84.0002% with value k=5 using 6 features of blood pressure, fitness, age, fatty foods consumption and caffeine consumption.
Klasifikasi Emosi pada Komentar YouTube menggunakan Algoritme Support Vector Machine Nashrullah, Nashrullah; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 9 (2023): September 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Content creator telah menjadi profesi baru yang menjanjikan semenjak pesatnya perkembangan sosial media. Untuk menghasilkan sebuah konten yang dapat dinikmati penonton seorang content creator harus bisa memahami penontonnya. Salah satu cara yang dapat dilakukan adalah dengan mengetahui emosi penonton melalui komentar atau dalam machine learning dikenal juga dengan istilah klasifikasi emosi. Support Vector Machine merupakan algoritme supervised learning yang memiliki keunggulan dalam menggeneralisasi model secara baik dengan memanfaatkan ruang fitur berdimensi tinggi. Penelitian ini menggunakan algoritme Support Vector Machine dan Information Gain sebagai metode seleksi fitur. Dataset yang digunakan adalah komentar YouTube yang telah dilabeli dengan kelas senang, sedih dan marah. Proses klasifikasi emosi ini terdiri dari text preprocessing, seleksi fitur dengan Information Gain, ekstraksi fitur dengan TF-IDF (Term Frequency - Inverse Document Frequency) dan proses klasifikasi menggunakan algoritme Support Vector Machine. Proses pengujian menggunakan metode Stratified K-Fold dengan nilai k = 5. Hasil dari pengujian yang diperoleh adalah sebuah model Support Vector Machine dengan nilai akurasi 88,07% dan f1-measure 88,06%. Pada penelitian ditemukan bahwa penggunaan fitur seleksi Information Gain tidak meningkatkan performa dari model.
Klasifikasi Tingkat Emosi pada Data berbasis Teks menggunakan Multiclass Support Vector Machine Anjasari, Ni Luh Made Beathris; Bachtiar, Fitra Abdurrachman; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 9 (2023): September 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Dampak emosi yang sangat kuat memiliki potensi untuk mempengaruhi fungsi intelektual, keseimbangan hormonal, dan kesehatan mental individu. Studi sebelumnya menunjukkan bahwa gangguan emosional dapat berkontribusi terhadap kondisi seperti depresi dan perilaku yang tidak normal. Depresi, sebagai gangguan kejiwaan yang serius, menyebabkan risiko yang tinggi, termasuk hilangnya minat hidup dan bahkan kecenderungan untuk melakukan tindakan bunuh diri. Oleh karena itu, penting untuk mendeteksi dan mengidentifikasi faktor-faktor pemicu depresi atau stres dengan tujuan memberikan pengobatan yang tepat sesuai dengan pemahaman kondisi emosi seseorang. Penelitian ini bertujuan untuk mengklasifikasikan emosi dengan memanfaatkan metode klasifikasi Support Vector Machine (SVM) guna mengidentifikasi tujuh kelas emosi dalam bahasa Inggris. Sumber data yang digunakan dalam studi ini berasal dari sumber sekunder, yakni kumpulan data International Survey on Emotion Antecedents and Reactions (ISEAR), yang terdiri dari total 7666 entri data. Sebelum langkah klasifikasi dimulai, data melalui proses pra-pemrosesan, termasuk langkah pembobotan kata menggunakan teknik Term Frequency-Inverse Document Frequency-Inverse Category Frequency (TF-IDF-ICF). Tujuan dari penelitian ini melibatkan beberapa aspek, diantaranya adalah untuk menginvestigasi pengaruh dari penerapan pembobotan TF-IDF-ICF terhadap hasil klasifikasi SVM, menentukan hyperparameter yang paling optimal untuk SVM, dan menganalisis hasil klasifikasi yang dihasilkan melalui pendekatan SVM. Dalam penelitian ini, digunakan pendekatan One Versus All (OVA) dengan menerapkan metode sequential training dan perhitungan kernel berbasis Radial Basis Function (RBF). Berdasarkan hasil penelitian yang diperoleh, dapat disimpulkan bahwa pendekatan SVM dengan penerapan pembobotan kata TF-IDF-ICF dan penggunaan hyperparameter spesifik, yaitu λ=0,5, γ=0,0001, ε=0,00001, dan C=20, mampu memberikan performa terbaik dengan mencapai rata-rata akurasi sebesar 0,59, rata-rata presisi sebesar 0,59, rata-rata recall sebesar 0,62, dan rata-rata nilai f-measure sebesar 0,59.
Prediksi Pergerakan Harga Emas di Tengah Isu Resesi Global 2023 dengan Metode Multi Layer Perceptron Fitrotuzzakiyah, Shafira Puspa; Muflikhah, Lailil; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Unit Konseling, Pengembangan Karir, Layanan Terpadu Kekerasan Seksual dan Perundungan Fakultas Ilmu Komputer Universitas Brawijaya (UKPKLTKSP FILKOM UB) melaporkan terdapat sekitar 300 mahasiswa FILKOM yang melakukan konsultasi mengenai kesehatan mentalnya pada tahun 2022-2023. Individu dengan masalah kesehatan mental memiliki motivasi yang rendah dan sering kali sulit untuk terlibat dalam proses memperbaiki kesehatan mentalnya. Penelitian ini bertujuan untuk merancang user experience aplikasi edukasi kesehatan mental berbasis gamifikasi dengan menggunakan pendekatan Player-centered Design (PCD) dan mengukur tingkat efektivitas penggunaan, satisfaction, motivasi pengguna, serta kebergunaan aplikasi melalui evaluasi desain solusi. Pendekatan PCD digunakan dalam melakukan analisis pengguna, termasuk user dan expert interview, kebutuhan pengguna, user goal dan user task, serta identifikasi misi. Selain itu, kebutuhan desain interaksi juga dianalisis untuk mendefinisikan identifikasi lingkungan sistem, rancangan fitur solusi, dan analisis elemen gamifikasi menggunakan five decision tree dan hasil wawancara kepada pengguna. Pengujian dilakukan kepada 20 partisipan menggunakan berbagai metode untuk mengukur 4 user experience goals. Hasil pengujian menggunakan usability testing menghasilkan 13 temuan masalah pada iterasi pertama dan 2 temuan masalah pada iterasi kedua. Selain itu, evaluasi pada metrik efektivitas penggunaan mengalami peningkatan setelah dilakukan dua kali iterasi dari nilai awal sebesar 87,17% ke 93,57%. Selanjutnya, SUS digunakan untuk menguji metrik satisfaction yang menghasilkan nilai rata-rata sebesar 75,1 dengan kategori good pada iterasi pertama dan 85,7 dengan kategori excellent pada iterasi kedua. Terakhir, metrik memotivasi diukur menggunakan kuesioner IMI dengan subskala interest/enjoyment pada setiap task scenario yang diujikan menghasilkan nilai rata-rata 5,45 pada iterasi pertama dan 5,67 pada iterasi kedua. Selain itu, metrik kebergunaan aplikasi diukur menggunakan kuesioner IMI dengan subskala value/usefulness menghasilkan nilai rata-rata 5,45 pada iterasi pertama dan 5,68 pada iterasi kedua. Dengan demikian, rancangan yang dihasilkan berhasil meningkatkan tingkat motivasi intrinsik pengguna dan membantu pengguna dalam meningkatkan wawasan dan kondisi kesehatan mentalnya.
Klasifikasi Ekspresi Wajah Menggunakan Region Selected Facial Landmarks Extraction dan Convolutional Neural Network (CNN) Nainggolan, Cesilia Natasya; A. Bachtiar, Fitra; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal ini akan dipublikasikan pada Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Klasifikasi Kategori Buku Berdasarkan Judul Menggunakan Metode Naive Bayes Classifier (Studi Kasus: UB Press) Fitria, Tharessa; Ratnawati, Dian Eka; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal ini akan dipublikasikan Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI)
Pengembangan Multimodal Convolutional Neural Network untuk Grading Buah Jambu Kristal dengan Dua Perspektif Citra Asghany, Yusrian; Perdana, Rizal Setya; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indonesia merupakan negara dengan sektor pertanian yang memiliki potensi besar, salah satu produk unggulannya adalah buah-buahan. Terdapat beberapa komoditas buah-buahan di Indonesia yang belum mendapatkan perhatian yang seharusnya, contohnya adalah buah jambu kristal. Upaya peningkatan pemanfaatan jambu kristal dapat dicapai dengan mengoptimalkan proses produksinya. Pengoptimalan ini dapat dicapai dengan menerapkan otomatisasi pada berbagai tahap, dan tahapan grading menjadi salah satu aspek yang sangat menguntungkan. Proses grading dapat diotomatisasi dengan pendekatan computer vision, lebih spesifik Multimodal Convolutional Neural Network (CNN). Pendekatan ini melakukan grading buah jambu kristal dengan masukan citra atas dan citra samping buah. Pendekatan CNN biasa tidak dapat menerima lebih dari satu modalitas sehingga penciri kualitas buah yang diperoleh lebih terbatas dan sangat mungkin untuk tidak mencukupi untuk grading dengan benar. Penelitian dilakukan dengan membangun model Multimodal CNN yang dapat menerima dua macam citra tadi dan menghasilkan prediksi kualitas buah jambu kristal. Model dilatih dengan data pasangan citra atas dan citra samping buah jambu kristal yang sudah melalui pemrosesan awal. Model dengan kinerja terbaik didapatkan dengan penerapan optimizer Adam tanpa scheduler dan learning rate awal sebesar 0.001 pada proses pelatihannya terhadap data yang mendapatkan pemrosesan awal secara lengkap. Model ini mendapatkan nilai akurasi 0.95 dan F1 score 0.95.
Analisis Karakteristik Pelanggan Menggunakan Metode RFM-DL dan Algoritma DBSCAN Rhobith, Muhammad; Bachtiar, Fitra Abdurrachman; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Knowledge Engineering dan Data Science (KEDS)
Klasifikasi Spam pada Short Message Service (SMS) menggunakan Support Vector Machine Panjaitan, Mutiharis Dauber; Adikara, Putra Pandu; Setiawan, Budi Darma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Short Message Service (SMS) adalah layanan pesan singkat yang secara luas digunakan dalam berbagai aktivitas sehari-hari, termasuk pemantauan kesehatan, mobile banking, dan mobile commerce. Namun, SMS juga rentan terhadap penyalahgunaan yang dapat mengandung konten berbahaya. Pesan-pesan SMS spam dapat bercampur dengan pesan-pesan non-spam, sehingga mengganggu pengguna. Oleh karena itu, diperlukan pengelompokan pesan menjadi beberapa kategori untuk memudahkan pengguna. Dalam penelitian ini, kategori yang digunakan adalah normal, penipuan, promo, autentikasi, dan bank. Data yang digunakan berjumlah 1584 pesan, yang dibagi menjadi data latih dan data uji dengan perbandingan 75%:25%. Klasifikasi pesan dilakukan menggunakan metode SVM dengan konsep one-against-all. Penelitian ini melibatkan preprocessing, term weighting, training, dan testing. Hasil evaluasi menunjukkan tingkat akurasi sebesar 0,95, precision sebesar 0,96, recall sebesar 0,95, dan f1-score sebesar 0,95. Hasil ini diperoleh dengan menggunakan kombinasi parameter C = 100, epsilon = 10-5, konstanta gamma = 0,01, lambda = 0,1, dan iterasi maksimum = 50. Kata kunci: klasifikasi teks, SMS, spam, support vector machine
Co-Authors Abdul Fatih Achmad Basuki Achmad Fahlevi Addin Sahirah, Rafifa Adinugroho, Sigit Aditya Chandra Nurhakim Aditya Kresna Bayu Arda Putra Agung Nurjaya Megantara Agus Wahyu Widodo Ahmad Afif Supianto Akhmad Eriq Ghozali Akmal Subakti Wicaksana Alfi Nur Rusydi Almira Syawli, Almira Amaliah Gusfadilah Andhi Surya Wicaksana Andika Harlan Angga Dwi Apria Rifandi Anjasari, Ni Luh Made Beathris Aria Bayu Elfajar Asghany, Yusrian Ashidiq, Muhammad Fihan Azmi Makarima Yattaqillah Baihaqi, Galih Restu Barlian Henryranu Prasetio Bayu Rahayudi Bintang, Tulistyana Irfany Budi Santoso Cahyo Adi Prasojo Candra Dewi Candra Dewi Chelsa Farah Virkhansa Cindy Inka Sari Cinthia Vairra Hudiyanti Civica Moehaimin Dhewanty Deby Chintya Dellia Airyn Delpiero, Rangga Raditya Dewi, Buana Dhan Adhillah Mardhika Dian Eka Ratnawati Diva, Zahra Dwi Anggraeni Kuntjoro Dwi Ari Suryaningrum Dwi Damara Kartikasari Edo Fadila Sirat Eka Novita Shandra Eka Yuni Darmayanti Eti Setiawati Fadhlillah Ikhsan Fajar Nur Rohmat Fauzan Jaya Aziz Fajar Pradana Fanny Aulia Dewi Fattah, Rafi Indra Fatwa Ramdani, Fatwa Febri Ramadhani Fikri Hilman Fitra Abdurrachman Bachtiar Fitria, Tharessa Fitrotuzzakiyah, Shafira Puspa Gandhi Ramadhona Gembong Edhi Setiawan Gilang Ramadhan Hendra Pratama Budianto Husin Muhamad Imam Cholisoddin Imam Cholissodin Imam Cholissodin Imam Cholissodin Indah Larasati Indriati Indriati Indriati Irfan Aprison Irma Lailatul Khoiriyah Irma Nurvianti Irma Ramadanti Fitriyani Ismiarta Aknuranda Issa Arwani Issa Arwani Jobel, Roenrico Karina Widyawati Khairunnisa, Alifah Kholifa'ul Khoirin Koko Pradityo Lailil Muflikhah Lathania, Laela Salma M Kevin Pahlevi M. Ali Fauzi M. Raabith Rifqi M. Rikzal Humam Al Kholili M. Tanzil Furqon Mahar Beta Adi Sucipto, Ekmaldzaki Royhan Mahendra Data Mahendra Data Marji Marji Masayu Vidya Rosyidah Maulana, M. Aziz Mayang Arinda Yudantiar Meilia, Vina Mimin Putri Raharyani Mindiasari, Irtiyah Izzaty Miracle Fachrunnisa Almas Moch. Khabibul Karim Mochamad Chandra Saputra Mohamad Alfi Fauzan Muhammad Arif Hermawan Muhammad Dimas Setiawan Sanapiah Muhammad Khaerul Ardi Muhammad Rizkan Arif Muhammad Syaifuddin Zuhri Muhammad Tanzil Furqon Mustofa Robbani Muthia Azzahra Nadia Natasa Tresia Sitorus Nainggolan, Cesilia Natasya Nanda Agung Putra Nashrullah, Nashrullah Nelli Nur Rahma Ni'mah Firsta Cahya Susilo Nihru Nafi' Dzikrulloh Noval Dini Maulana Novanto Yudistira Nur Intan Savitri Bromastuty Nurfansepta, Amira Ghina Nurhana Rahmadani Nurudin Santoso Nurul Hidayat Oky Krisdiantoro Olive Khoirul L.M.A. Panjaitan, Mutiharis Dauber Pindo Bagus Adiatmaja priharsari, diah Purnomo, Welly Putra Pandu Adikara Putra, Octo Perdana Putri, Rania Aprilia Dwi Setya Rachmatika, Isnayni Sugma Radifah Radifah Rafely Chandra Rizkilillah Rahmadi, Anang Bagus Rahmat Faizal Raissa Arniantya Ramadhianti, Fatiha Randy Cahya Wihandika Ratna Candra Ika Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Rekyan Regasari MP, Rekyan Regasari Rendi Cahya Wihandika Retiana Fadma Pertiwi Sinaga Revanza, Muhammad Nugraha Delta Revinda Bertananda Reza Wahyu Wardani Rhobith, Muhammad Ridho Agung Gumelar Rima Diah Wardhani Rinda Wahyuni Rizal Setya Perdana Rizal Setya Perdana Rizki Agung Pambudi Rizky Haqmanullah Pambudi Robih Dini Rosi Afiqo Rudito Pujiarso Nugroho Rudy Usman Azzakky Ryan Mahaputra Krishnanda Sabriansyah Rizkiqa Akbar Santoso, Nurudin Satrio Hadi Wijoyo Shelly Puspa Ardina Sigit Adinugroho Silfiatul Ulumiyah Sintiya, Karena Siti Fatimah Al Uswah Siti Utami Fhylayli Sri Wahyuni Suryani Agustin Sutrisna, Naufal Putra Sutrisno Sutrisno Tahajuda Mandariansah Talitha Raissa Tibyani Tibyani Tri Afirianto Tria Melia Masdiana Safitri Ulfah Mutmainnah Vina Meilia Wayan Firdaus Mahmudy Wildannantha, Jawadi Ahmad Yerry Anggoro Yosendra Evriyantino Yuhand Pramudita, Rezzy Yuita Arum Sari Yuita Arum Sari Yulfa Hadi Wicaksono Zubaidah Al Ubaidah Sakti