cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
jtsiskom@ce.undip.ac.id
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Teknologi dan Sistem Komputer
Published by Universitas Diponegoro
ISSN : 26204002     EISSN : 23380403     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Jurnal Teknologi dan Sistem Komputer (JTSiskom, e-ISSN: 2338-0403) adalah terbitan berkala online nasional yang diterbitkan oleh Departemen Teknik Sistem Komputer, Universitas Diponegoro, Indonesia. JTSiskom menyediakan media untuk mendiseminasikan hasil-hasil penelitian, pengembangan dan penerapannya di bidang teknologi dan sistem komputer, meliputi sistem embedded, robotika, rekayasa perangkat lunak dan jaringan komputer. Lihat fokus dan ruang lingkup JTSiskom. JTSiskom terbit 4 (empat) nomor dalam satu tahun, yaitu bulan Januari, April, Juli dan Oktober (lihat Tanggal Penting). Artikel yang dikirimkan ke jurnal ini akan ditelaah setidaknya oleh 2 (dua) orang reviewer. Pengecekan plagiasi artikel dilakukan dengan Google Scholar dan Turnitin. Artikel yang telah dinyatakan diterima akan diterbitkan dalam nomor In-Press sebelum nomor regular terbit. JTSiskom telah terindeks DOAJ, BASE, Google Scholar dan OneSearch.id Perpusnas. Lihat daftar pengindeks. Artikel yang dikirimkan harus sesuai dengan Petunjuk Penulisan JTSiskom. JTSiskom menganjurkan Penulis menggunakan aplikasi manajemen referensi, seperti Mendeley, Endnote atau lainnya. Penulis harus register ke jurnal atau jika telah teregister, dapat langsung log in dan melakukan lima langkah submisi artikel. Penulis harus mengupload Pernyataan Pengalihan Hak Cipta saat submisi. Artikel yang terbit di JTSiskom akan diberikan nomer identifier unik (DOI/Digital Object Identifier) dan tersedia serta bebas diunduh dari portal JTSiskom ini. Penulis tidak dipungut biaya baik untuk pengiriman artikel maupun pemrosesan artikel (lihat APC/Article Processing Charge). Jurnal ini mengimplementasikan sistem LOCKSS untuk pengarsipan secara terdistribusi di jaringan LOCKSS privat.
Arjuna Subject : -
Articles 413 Documents
 38   39   40   41   42 
Klasifikasi Citra Satelit menggunakan Lightweight Ensemble Convolutional Network Rachmadi, Reza Fuad; Prioko, Kentani Langgalih; Nugroho, Supeno Mardi Susiki; Purnama, I Ketut Eddy
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14346

Abstract

Citra satelit dapat digunakan salah satunya sebagai pengamatan kondisi atmosfer dan permukaan pada bumi. Dengan semakin berkembangnya teknologi citra satelit, waktu untuk pengambilan citra satelit menjadi lebih efisien. Makalah ini melakukan eksperimen menggunakan klasifier ensemble convolutional network untuk melakukan pengenalan kondisi atmosfer pada citra satelit. Empat buah arsitektur Convolutional Neural Network (CNN) digunakan dalam eksperimen ini, yaitu MobileNetV2, ResNet18, ResNet18Half, dan SqueezeNet. Keempat arsitektur CNN tersebut dipilih karena mempunyai jumlah parameter yang tidak terlalu besar (lightweight) serta dapat diterapkan pada banyak perangkat keras tertanam. Eksperimen yang dilakukan dengan menggunakan dataset USTC SmokeRS memperlihatkan bahwa klasifier ensemble memperoleh hasil yang baik dengan akurasi rata-rata tertinggi sebesar 97.06 %.
Evaluation of Decentralized Website Performance Using Blockchain DNS Putri, Bellia Dwi Cahya; Alim, Ilmam Fauzi Hashbil
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 11, Issue 1, Year 2023 (January 2023)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2023.14854

Abstract

Privacy violations and misuse of customer data are the failures of Web 2.0. Web 2.0 employs a centralized server that can be accessed by authorities. With the development of Web 3.0, which is built on blockchain and uses a decentralized application (dApp) to avoid privacy violations and data misuse. Decentralized systems can offer users privacy and autonomous control of the system, which is an important feature of consumer protection. Decentralized web development, also known as Web 3.0, was created using blockchain technology and the peer-to-peer network protocol (IPFS). In a decentralized website environment, data on the server can be linked to conventional domains (.com, .id, etc.) or to special domains provided by blockchain-based platform domains. Every transaction must be linked to the Ethereum wallet and cryptocurrency for the smart contract to function. This activity takes a long time and is a bad UX for decentralized web developers. To compare the performance of a decentralized web using blockchain DNS and a centralized web using conventional domains, a 15-minute usage scenario with a maximum of 50 users is used. The results show that the throughput and bandwidth of a decentralized web is higher than a centralized web.
An Embedded Computer Vision using Convolutional Neural Network for Maze Classification and Robot Navigation Dewantoro, Gunawan; Hadiyanto, Dinar Rahmat; Febrianto, Andreas Ardian
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 4, Year 2022 (October 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14474

Abstract

Traditionally, the maze solving robots employ ultrasonic sensors to detect the maze walls around the robot. However, this approach only perceives the presence of the objects without recognizing the type of these objects. Therefore, computer vision has become more popular for classification purpose in robot applications. In this study, a maze solving robot is equipped with a camera to recognize the types of obstacles in a maze. The types of obstacles are classified as: intersection, dead end, T junction, finish zone, start zone, straight path, T–junction, left turn, and right turn. Convolutional neural network is employed to train the robot using a total of 24,000 images to recognize the obstacles. Jetson Nano development kit is used to implement the trained model and navigate the robot. The results shows an average training accuracy of 82% with a training time of 30 minutes 15 seconds. As for the testing, the lowest accuracy is 90% for the T-junction with the computational time being 500 milliseconds for each frame. Therefore, the convolutional neural network is adequate to serve as classifier and navigate a maze solving robot.
Sistem Pakar Untuk Identifikasi Dan Alternatif Solusi Terhadap Permasalahan Yang Dihadapi Peserta Didik Sekolah Menengah Menggunakan Rule-Based Machine Learning Syafei, Wahyul Amien; Sulistiyo, Budi; Surarso, Bayu
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.13896

Abstract

Kesulitan dalam mengidentifikasi masalah yang dialami oleh peserta didik di sekolah tingkat menengah berpotensi mengakibatkan masalah yang lebih besar di kemudian hari. Selama ini guru bimbingan dan konseling (BK) menggunakan metode konvensional dalam mengidentifikasi dan memecahkan masalah tersebut. Metode ini membutuhkan biaya yang besar, ruang yang khusus, dan waktu yang lama. Artikel ini memaparkan pengembangan sistem pakar untuk identifikasi untuk kemudian menawarkan alternatif solusi terhadap permasalahan yang dihadapi peserta didik di tingkat sekolah menengah. Sistem ini menggunakan metode Problem Checklist yang didukung oleh machine learning untuk meningkatkan akurasi dan efisiensi. Kepakaran dari guru BK senior untuk menghubungkan ragam permasalahan dan berbagai alternatif solusi dilatihkan pada rule-based machine learning sistem ini. Pengujian dilakukan menggunakan WEKA dengan 200 contoh data sampel sebagai data pelatihan, yang dapat memprediksi data dari 185 contoh yang label kelasnya tidak diketahui Sistem yang dikembangkan adalah berbasis web sehingga peserta didik yang merasa mengalami masalah dapat meng-ases dirinya sendiri dan mendapatkan saran alternatif solusi secara online. Guru BK sebagai admin dapat memantau perkembangan peserta didiknya serta melakukan penambahan ragam permasalahan dan alternatif solusi mengikuti perkembangan jaman.  Hasil implementasi dan pengujian menunjukkan bahwa sistem pakar yang dikembangkan menawarkan identifikasi dan solusi yang akurat dan lebih cepat serta dapat dilakukan kapanpun dan di manapun.
Segmentasi Objek Citra Ultrasonografi Terotomatisasi Menggunakan Metode Aktif Kontur Kombinatorial Nugroho, Anan; Sunarko, Budi; Wibawanto, Hari; Mulwinda, Anggraini; Fauzi, Anas; Oktaviyanti, Dwi; Savitri, Dina Wulung
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 11, Issue 1, Year 2023 (January 2023)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2023.14712

Abstract

Active Contour (AC) merupakan algoritme yang banyak digunakan dalam melakukan segmentasi dalam mengembangkan sistem Computer Aided Diagnosis (CAD) pada pencitraan USG. Namun metode yang berkembang masih bersifat interaktif yang menyebabkan human error serta adanya berbagai masalah akibat inhomogenitas pada citra Ultrasonografi (USG) seperti leakage, terjadinya false area serta local minima. Pada studi ini dikembangkan metode segmentasi objek otomatis pada citra USG untuk membantu radiolog dalam proses diagnosis yang efisien. Metode yang dikembangkan disebut Automatic Combinatorial Active Contour (ACAC) yang mengkombinasikan turunan simplifikasi model global region-based CV (Chan-Vese) dan improved-GAC (Geodesic Active Contour) untuk segmentasi lokal. Hasil studi dengan 50 dataset yang diuji coba yaitu didapatkannya nilai accuracy sebesar 98.83%, precission 95.26%, sensitivity 86.58%, specificity 99.63%, similarity 90.58%, dan IoU 82.87%. performa kuantitatif ini membuktikan bahwa metode ACAC layak diimplementasikan pada sistem CAD yang lebih efisien dan akurat.
Kendali kecepatan motor DC berbasis fuzzy logic controller dengan aksi integral untuk mengeliminasi error steady-state Al Tahtawi, Adnan Rafi; Wijayanto, Kartono; Surya Putra, R. Aryo Bimo
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 4, Year 2022 (October 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14313

Abstract

Kendali kecepatan motor DC dengan sistem cerdas seperti Fuzzy Logic Controller (FLC) dianggap lebih efektif karena tidak perlu model dari plant  dalam perancangan pengendalinya. Namun, secara matematis FLC tidak dapat menghilangkan error steady-state pada respon pengendalian. Penelitian ini bertujuan untuk merancang Fuzzy Integral Controller (FIC) untuk mengeliminasi error steady-state pada kendali kecepatan motor DC. Pengendali ini dibentuk oleh FLC dan kendali integral. FLC dirancang dengan masukan error dan perubahan error dengan keluaran berupa sinyal Pulse Width Modulation (PWM). Aksi kendali integral ditambahkan pada FLC karena kemampuannya untuk menghilangkan error steady-state. FIC kemudian diuji melalui simulasi MATLAB/Simulink dan eksperimen perangkat keras. Hasil pengujian menunjukkan bahwa FIC mampu menghasilkan kinerja pengendalian lebih baik jika dibandingkan dengan kendali PI dan FLC. FIC menghasilkan error steady-state 0% pada pengujian secara simulasi, sedangkan pada pengujian secara eksperimen nilai error steady-state terkecil diperoleh sebesar 0,42% yang disebabkan oleh adanya derau pada sensor.
Automatic detection of crop diseases using gamma transformation for feature learning with a deep convolutional autoencoder Zilvan, Vicky; Ramdan, Ade; Supianto, Ahmad Afif; Heryana, Ana; Arisal, Andria; Yuliani, Asri Rizki; Krisnandi, Dikdik; Suryawati, Endang; Suryo Kusumo, Raden Budiarianto; Yuawana, Raden Sandra; Kadar, Jimmy Abdel; Pardede, Hilman F.
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14250

Abstract

Precision agriculture is a management strategy for sustaining and increasing the production of agricultural commodities. One of its implementations is for crop disease detection. Currently, deep learning methods have become widespread methods for the automatic detection of crop diseases. Most deep learning methods showed better performance when using an original image in raw form as inputs. However, the original image of crop diseases may appear similar between one disease to another.  Therefore, the deep learning methods may misclassify the data. To deal with these, we propose the gamma transformation with a deep convolutional autoencoder to extract good features from the original image data. We use the output of the gamma transformation with a deep convolutional autoencoder as inputs to a classifier for the automatic detection of crop diseases. Our experiments show that the average accuracies of our method improve the performance of crop disease detection compared to only using raw data as inputs.
Implementasi Algoritma Pengolahan Citra dan Algoritma Jaringan Syaraf Tiruan pada Prototipe Mobil Otonom Berbasis Raspberry Pi Dandi, Muhamad; Pauzan, Muh
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 11, Issue 1, Year 2023 (January 2023)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2023.14466

Abstract

Telah tercipta prototipe mobil otonom berbasis raspberry pi dengan sistem autopilot hasil dari penerapan dua algoritma berbeda yaitu pengolahan cita dan jaringan syaraf tiruan. Penelitian ini bertujuan untuk implementasi kedua algoritma tersebut. Implementasi pengolahan citra diawali dengan capture video yang kemudian dilatih dengan algoritma pengolahan citra sehingga diperolah nilai kurva saat deteksi jalur. Sedangkan Implementasi jaringan syaraf tiruan diawali dengan mencari data collection dari capture citra yang kemudian dilatih dengan algoritma jaringan syaraf tiruan sehingga menghasilkan model data untuk ditanamkan pada mobil otonom. Berdasarkan pengujian yang dilakukan pada jalur lintasan yang sama didapatkan persentase keberhasilan pada pengolahan citra 70% sukses. sedangkan jaringan syaraf tiruan 97% sukses. Beberapa kegagalan pengolahan citra disebabkan oleh kondisi pencahayaan saat pengujian yang berbeda dari data awal. Sedangkan jaringan syaraf tiruan dipengaruhi dari jumlah data yang dilatih, apabila semakin banyak maka semakin besar persentase keberhasilannya, hal tersebut menjadikan jaringan syaraf tiruan lebih unggul dari pengolahan citra
Pengelompokan PMKS menggunakan Self Organizing Maps dengan perbaikan missing value Naïve Bayes Imputation Hidayah, Noor; -, Muliadi; Budiman, Irwan; Nugrahadi, Dodon Turianto; Herteno, Rudy
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 4, Year 2022 (October 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14424

Abstract

Penyandang Masalah Kesejahteraan Sosial (PMKS) merupakan permasalahan pada kelompok masyarakat yang memiliki kesulitan dalam menjalankan fungsi sosial. Penelitian dilakukan untuk mengetahui karakteristik permasalahan di wilayah Kalimantan Selatan dengan menggunakan klasterisasi. Metode klasterisasi yang digunakan adalah SOM dan pengisian data kosong menggunakan NBI yang dibandingkan dengan Metode Statistik (Mean, Median, dan Modus). Proses dimulai dari mengisian data kosong dengan NBI dan Metode Statistik, dilanjutkan dengan klaster SOM dan hasil klaster dievaluasi menggunakan DBI. Hasil yang didapatkan adalah perbaikan NBI menempati hasil klasterisasi terbaik dengan nilai 0,032 pada pembagian 2 klaster. Klaster pertama berjumlah 8 wilayah yaitu Tanah Laut, Kota Baru, Tapin, Hulu Sungai Selatan, Hulu Sungai Tengah, Hulu Sungai Utara, Tabalong, dan Tanah Bumbu. Klaster kedua berjumlah 5 wilayah yaitu Banjar, Barito Kuala, Balangan, Banjarmasin, dan Banjarbaru. Tingkat prioritas yang diperoleh dari rata-rata klaster didapatkan bahwa klaster kedua sebagai prioritas pertama.
Deteksi Pertanyaan Tidak Tulus pada Quora dengan Metode Bidirectional Long Short Term Memory (LSTM) dan Self-Attention Novianti, Siska; -, Apriyanti; Yudistira, Novanto; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi dan Sistem Komputer [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2022.14047

Abstract

Quora adalah salah satu situs tanya jawab terbesar dengan ribuan pertanyaan setiap harinya. Berbagai macam topik pertanyaan dan jawaban disampaikan pengguna untuk bertukar informasi. Demi memberikan kenyamanan pengguna, Quora ingin mendeteksi pertanyaan-pertanyaan yang tidak tulus yang muncul pada platform mereka. Pertanyaan tidak tulus tersebut adalah pertanyaan yang secara sengaja disampaikan pengguna dimana sebenarnya pertanyaan tersebut tidak membutuhkan jawaban, namun hanya untuk membuat sebuah pernyataan yang memprovokasi pengguna lain. Pada penelitian ini diusulkan metode Bidirectional LSTM dan Self Attention untuk membuat model terbaik yang dapat memprediksi pertanyaan-pertanyaan di Quora. Pada akhir pelatihan, didapatkan model terbaik dengan nilai akurasi sebesar 0,9668, nilai pressisi sebesar 0,9880 , nilai sensitifitas (recall) sebesar 0,9769 dan nilai F1 sebesar 0,9824.

Page 41 of 42 | Total Record : 413

 38   39   40   41   42 

Filter by Year

2013 2023


Reset
Filter By Issues
All Issue [IN PRESS] Volume 11, Issue 1, Year 2023 (January 2023) [IN PRESS] Volume 10, Issue 4, Year 2022 (October 2022) [IN PRESS] Volume 10, Issue 3, Year 2022 (July 2022) Volume 10, Issue 2, Year 2022 (April 2022) Volume 10, Issue 1, Year 2022 (January 2022) Volume 9, Issue 4, Year 2021 (October 2021) Volume 9, Issue 3, Year 2021 (July 2021) Volume 9, Issue 2, Year 2021 (April 2021) Volume 9, Issue 1, Year 2021 (January 2021) 2021: Publication In-Press Volume 8, Issue 4, Year 2020 (October 2020) Volume 8, Issue 3, Year 2020 (July 2020) Volume 8, Issue 2, Year 2020 (April 2020) Volume 8, Issue 1, Year 2020 (January 2020) Volume 7, Issue 4, Year 2019 (October 2019) Volume 7, Issue 3, Year 2019 (July 2019) Volume 7, Issue 2, Year 2019 (April 2019) Volume 7, Issue 1, Year 2019 (January 2019) Publication In-Press (2019) Volume 6, Issue 4, Year 2018 (October 2018) Volume 6, Issue 3, Year 2018 (July 2018) Volume 6, Issue 2, Year 2018 (April 2018) Volume 6, Issue 1, Year 2018 (January 2018) Volume 5, Issue 4, Year 2017 (October 2017) Volume 5, Issue 3, Year 2017 (July 2017) Volume 5, Issue 2, Year 2017 (April 2017) Volume 5, Nomor 1, Tahun 2017 (Januari 2017) Volume 4, Issue 4, Year 2016 (October 2016) Volume 4, Nomor 3, Tahun 2016 (Agustus 2016) Volume 4, Nomor 2, Tahun 2016 (April 2016) Volume 4, Nomor 1, Tahun 2016 (Januari 2016) Volume 3, Nomor 4, Tahun 2015 (Oktober 2015) Volume 3, Nomor 3, Tahun 2015 (Agustus 2015) Volume 3, Nomor 2, Tahun 2015 (April 2015) Volume 3, Nomor 1, Tahun 2015 (Januari 2015) Volume 2, Nomor 4, Tahun 2014 (Oktober 2014) Volume 2, Nomor 3, Tahun 2014 (Agustus 2014) Volume 2, Nomor 2, Tahun 2014 (April 2014) Volume 2, Nomor 1, Tahun 2014 (Januari 2014) Volume 1, Nomor 4, Tahun 2013 (Oktober 2013) Volume 1, Nomor 3, Tahun 2013 (Agustus 2013) Volume 1, Nomor 2, Tahun 2013 (April 2013) Volume 1, Nomor 1, Tahun 2013 (Januari 2013) More Issue