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 
Metode k-means clustering dan morfologi berbasis computer vision dan analisis regresi untuk aplikasi sistem grading udang Vaname Sumardi, Sumardi; Tahcfulloh, Syahfrizal
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.2023.14529

Abstract

Penentuan mutu udang secara konvensional menggunakan visual mata memiliki beberapa kelemahan, salah satunya adalah tingkat persepsi manusia yang berbeda-beda. Solusi yang ditawarkan adalah menggunakan teknologi computer vision dalam menentukan ukuran udang berdasarkan citra yang ditangkap kamera. Penelitian ini bertujuan untuk menerapkan kombinasi metode dari pengelompokan k-rata-rata dan morfologi untuk menentukan ukuran udang Vaname yaitu berdasarkan perbandingan area dalam dimensi piksel dari hasil olah citra dengan teknologi computer vision terhadap massa dalam dimensi gram. Analisis regresi digunakan untuk mendapatkan persamaan yang mengkonversi antar nilai piksel tersebut ke dalam massa udang. Keefektifan kombinasi metode ini dibandingkan dengan hanya menggunakan metode pengelompokkan k-rata-rata dan nilai ambang. Hasil evaluasi dari metode yang diusulkan menunjukkan bahwa nilai RMSE yang diperoleh sebesar 0,68 yang lebih baik dari dua metode terdahulu berturut-turut adalah 0,73 dan 2,89. Sementara akurasi sistemnya untuk pengukuran massa diperoleh sebesar 93,64%, akurasi ukuran/besar sebesar 93,37% dan akurasi klaster dari ukuran sebesar 95,45%.
Prapemrosesan pada Klasifikasi Status Mutu Air Sungai Menggunakan Random Oversampling dan Outlier Remover Clustering Uyun, Shofwatul; Sulistyowati, Eka; Fahrudy, Dony
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.2022.14450

Abstract

Ketidakseimbangan jumlah data pada setiap kelasnya serta adanya data outlier seringkali menjadi masalah dalam proses klasifikasi, hal tersebut tentu akan mempengaruhi performa kinerja pembelajaran mesin yang menurun. Oleh karena itupada penelitian ini diusulkan penggunaan teknik Random Oversampling (ROs) untuk mengatasi ketidakseimbangan data serta teknik Outlier Removal Clustering (ORC) untuk mengatasi data outlier pada penentuan status mutu air. Kedua teknik tersebut digunakan pada tahapan prapemrosesan. Penelitian ini terdiri dari beberapa tahapan, yaitu penentuan kelas status mutu air menggunakan teknik indeks pencemaran, prapemrosesan, pembagian data, klasifikasi serta evaluasi kinerja. Ada tiga algoritma klasifikasi yang digunakan sebagai perbandingan, yaitu KNN, CART dan random forest. Berdasarkan hasil penelitian menunjukkan peningkatan rerata akurasi dari penggunaan ketiga algoritma klasifikasi tersebut dengan tanpa dilakukan prapemrosesan, penggunaan ROs serta integrasi ROs dan ORC secara berurutan sebagai berikut 83,81%; 94,87% dan 95,51%. Jadi penggunaan teknik Ros dan ORC terbukti meningkatkan performa kinerja pada machine learning. 
Pemanfaatan Konfigurasi Layer Pada Metode CNN Untuk Peningkatan Kinerja Klasifikasi Penyakit Daun Tomat Sari, Yuslena; Firmansyah, Muhammad Ilham; Pramunendar, Ricardus Anggi
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.2022.13953

Abstract

Tomat adalah salah satu komoditas hortikultura dengan nilai ekonomi yang tinggi, tantang yang dihadapi oleh petani salah satunya dalah kerentanan penyakit tomat terhadap penyakit. Identifikasi secara visual pada daun sulit diuraikan dengan sekali pandang, sehingga menyebabkan asumsi yang tidak akurat tentang penyakit tersebut. Akibatnya, mekanisme pencegahan yang dilakukan petani menjadi tidak efektif dan berdampak merugikan. Penelitian ini mengusulkan identifikasi penyakit tomat secara automatis menggunakan metode Convolution Neural Network. Dalam makalah ini kami melakukan evaluasi pada metode CNN dengan arsitektur Alexnet dengan konfigurasi layer untuk mencari hasil kinerja terbaik dari penggunaan parameter tersebut pada architektur Alexnet. Pada penelitian ini juga melakukan analisis yang diperoleh dari hubungan antara parameter yang digunakan terhadap kinerja akurasi, dan analisis terhadap dampak penggunaan parameter dengan jumlah dataset daun tomat dari dataset PlantVillage.

Page 42 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