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
-
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering
Jurnal Pengembangan Teknlogi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya merupakan jurnal keilmuan dibidang komputer yang memuat tulisan ilmiah hasil dari penelitian mahasiswa-mahasiswa Fakultas Ilmu Komputer Universitas Brawijaya. Jurnal ini diharapkan dapat mengembangkan penelitian dan memberikan kontribusi yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : -
Articles 6,850 Documents
 676   677   678   679   680 
Analisis Kinerja Cache Redis pada RESTful API Berbasis Express.js Putranto, Muhammad Adhiyasa Satya; Pinandito, Aryo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Sistem Informasi Akademik (SIAKAD) sering mengalami penurunan performa signifikan pada fitur jadwal kuliah saat diakses oleh pengguna dalam jumlah besar secara bersamaan. Arsitektur konvensional yang mengandalkan kueri basis data langsung (direct-to-database) memiliki keterbatasan kecepatan saat memproses operasi penggabungan data (JOIN) yang kompleks. Penelitian ini bertujuan untuk mengukur besaran peningkatan kinerja melalui penerapan mekanisme in-memory caching menggunakan Redis pada framework Express.js. Metode yang digunakan adalah eksperimental kuantitatif dengan membandingkan dua skenario: Arsitektur SQL dan Arsitektur Redis. Pengujian beban (load testing) dilakukan menggunakan Apache JMeter dengan variasi konkurensi 1.000, 5.000, dan 10.000 pengguna dengan metrik evaluasi waktu respons (response time), throughput, dan tingkat kesalahan (error rate). Analisis data menggunakan uji statistik non-parametrik Mann-Whitney U menunjukkan bahwa implementasi Redis memberikan peningkatan kinerja yang sangat signifikan. Pada beban puncak 10.000 pengguna, Arsitektur SQL mencatatkan rata-rata waktu respons 27,59 detik dengan tingkat kesalahan 39,41%. Sebaliknya, Arsitektur Redis mampu meningkatkan kecepatan secara drastis dengan rata-rata waktu respons 95,77 milidetik dan menjaga tingkat kesalahan tetap pada 0,00%. Uji statistik mengonfirmasi adanya perbedaan kinerja yang nyata (p < 0,05) di antara kedua arsitektur. Kesimpulannya, penerapan Redis terbukti secara signifikan mampu memangkas latensi dan meningkatkan kapasitas pemrosesan data (throughput) pada sistem informasi akademik.
Dampak Node Failure Terhadap Kinerja Protokol Routing Dynamic Source Routing (Dsr) Dan Ad-Hoc On-Demand Distance Vector (Aodv) Pada Wireless Sensor Network Rafasati, Kitya; Primananda, Rakhmadhany; Hazbiy Shaffan, Nur
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Wireless Sensor Network (WSN) merupakan jaringan yang terdiri dari node sensor dengan keterbatasan energi, kapasitas komputasi, dan memori, sehingga pemilihan protokol routing menjadi faktor penting dalam menjaga keandalan komunikasi data. Salah satu permasalahan utama pada WSN adalah node failure yang dapat memutus jalur komunikasi dan menurunkan kinerja jaringan. Penelitian ini bertujuan menganalisis dampak node failure terhadap kinerja protokol Dynamic Source Routing (DSR) dan Ad- Hoc On-Demand Distance Vector (AODV). Simulasi dilakukan menggunakan Network Simulator 2 (NS2) pada topologi grid 4×4, 7×7, dan 10×10 dengan tingkat node failure 0%, 10%, 30%, dan 50%, pada kondisi tersedia dan tidak tersedia rute alternatif. Parameter kinerja yang dianalisis meliputi Packet Delivery Ratio (PDR), throughput, end-to-end delay, dan konsumsi energi. Trace file hasil simulasi diproses menggunakan script AWK dan dianalisis dengan uji paired t-test pada tingkat signifikansi α = 0,05. Hasil penelitian menunjukkan bahwa pada kondisi jaringan dengan rute alternatif, kinerja DSR dan AODV tidak berbeda signifikan secara statistik (p-value ≥ 0,05). Namun, pada kondisi tanpa rute alternatif, terutama pada jaringan berskala sedang hingga besar dengan node failure tinggi, perbedaan kinerja menjadi signifikan (p-value < 0,05). AODV lebih andal dalam mempertahankan pengiriman paket, sedangkan DSR lebih hemat energi namun lebih rentan terhadap node failure.
Evaluasi Desain UI/UX Berkelanjutan pada Aplikasi Carbon Calculator Menggunakan IBM Design Checklist for Sustainability Sitindaon, Deanada Valencya; Hanggara, Buce Trias; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah akan diterbitkan pada: TBD
Pengembangan Sistem Multi Kamera untuk Mengukur Indeks Bentuk Telur  Menggunakan Metode Image Moment anugrah winanda, wima; Setia Budi, Agung
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Telur merupakan salah satu sumber protein yang paling banyak dikonsumsi. Mengacu pada data Pusat Data dan Sistem Informasi Pertanian, produksi telur di Indonesia meningkat rata-rata 260.000 ton tiap tahunnya. Sebelum telur dapat dipasarkan perlu dilakukan proses penyortiran. Berdasarkan SNI 3929:2008, kualitas telur ditentukan berdasarkan beberapa parameter dan salah satunya adalah bentuk telur. Namun untuk mengetahui bentuk telur peternak perlu mengukur telur secara manual dengan menggunakan visual atau menggunakan alat ukur seperti jangka sorong yang memakan waktu dan rentan kesalahan. Oleh karena itu pada penelitian ini dikembangkan sistem benam untuk pengukuran indeks bentuk telur. Sistem menggunakan ESP32-CAM sebagai pusat pemrosesan. Sistem ini menggunakan prinsip multi kamera dimana terdapat dua kamera yang diletakkan secara ortogonal. Melalui prinsip pengolahan citra digital, data dari kedua sudut pandang diolah menggunakan metode image moment. Seluruh pendekatan ini dilakukan agar hasil pengukuran dapat seakurat mungkin dengan sumber daya yang minim dan efektif. Berdasarkan pengujian dimana sistem diuji menggunakan 32 sampel telur ayam acak. Sistem menunjukkan tingkat akurasi rata rata 98,34% dengan rata rata kecepatan waktu eksekusi 372 ms per satu kali proses. Hal ini menunjukkan sistem dapat meningkatkan efisiensi proses penyortiran telur khususnya pada skala mikro hingga menengah karena sistem didesain dan dibangun dengan komponen dan konstruksi berbiaya rendah.
Klasifikasi Emosi Multi Label Di Teks Bahasa Inggris Menggunakan Metode Naïve Bayes Dan Fitur Term Frequency Putri, Nina Suprihadiyanti
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Klasifikasi emosi dalam teks merupakan salah satu cabang penting dalam bidang Natural Language Processing (NLP). Hal ini menjadi semakin relevan karena dalam satu pernyataan atau kalimat dapat mengandung lebih dari satu jenis emosi secara bersamaan. Penelitian ini melakukan  klasifikasi emosi multi-label pada teks berbahasa Inggris dengan menggunakan metode Naïve Bayes dengan fitur Term Frequency untuk lima label emosi, yaitu anger, fear, joy, sadness, dan surprise.  Evaluasi kinerja model dilakukan menggunakan metrik macro precision, recall, dan F1-score guna menilai kinerja setiap label emosi secara independen. Pengujian dilakukan dengan variasi nilai parameter Laplace smoothing untuk memperoleh konfigurasi yang memberikan hasil paling stabil. Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada nilai alpha sebesar 0,1 dan penerapan stopwords yang dimodifikasi dengan tidak menghapus kata not, no, dan never mendapatkan nilai rata-rata macro F1-score sebesar 0,49. Kinerja klasifikasi menunjukkan variasi antar label emosi. Emosi fear menghasilkan nilai F1-score tertinggi sebesar 0,72, yang menunjukkan pola linguistik yang relatif lebih mudah dikenali. Emosi sadness memperoleh nilai F1-score sebesar 0,50, diikuti oleh surprise dengan nilai 0,49 dan joy sebesar 0,42. Sebaliknya, emosi anger menunjukkan nilai F1-score terendah sebesar 0,29, yang mengindikasikan tingkat kesulitan lebih tinggi dalam proses identifikasi, terutama akibat keterbatasan jumlah data dan kemiripan semantik dengan emosi lain. 
Deteksi Intrusi Berbasis Log Data Menggunakan BERT Model Amadeo, Yoel; Fatyanosa, Tirana Noor; Data, Mahendra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Keamanan sistem informasi merupakan aspek krusial dalam menjaga kerahasiaan, integritas, dan ketersediaan data pada layanan berbasis web. Penelitian ini menganalisis efektivitas model Bidirectional Encoder Representations from Transformers (BERT) dalam mendeteksi intrusi berbasis log data web server. Dataset yang digunakan berupa web server access logs berlabel dari Kaggle dengan 9.279.228 entri normal dan 2.956 entri attack. Eksperimen dilakukan dengan dua pendekatan: (1) baseline pipeline menggunakan embedding BERT dan reduksi dimensi Manual Incremental PCA sebelum klasifikasi dengan Logistic Regression dan Linear Support Vector Classification, serta (2) fine-tuning pipeline yang melatih ulang model BERT. Untuk mengatasi ketidakseimbangan data, diterapkan Custom SMOTE pada baseline dan upsampling teks pada fine-tuning. Hasil menunjukkan model BERT yang di-fine-tune memberikan F1-score macro average 0,9995 pada rasio 1:10, lebih baik dibanding baseline (0,9976). Penerapan SMOTE dan upsampling terbukti meningkatkan sensitivitas terhadap kelas minoritas. Penelitian ini menyimpulkan bahwa pendekatan berbasis BERT efektif dalam memahami konteks semantik log web dan meningkatkan akurasi deteksi intrusi pada data tidak seimbang.
Implementasi Knowledge Distillation pada Lightweight CNN untuk Pengenalan Gesture Tangan Prostetik Bionik Berbasis ESP32-S3 dengan Efisiensi Sumber Daya Bhanu Shidqianto, Naufal; Widasari, Edita Rosana
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pengembangan sistem kendali lengan prostetik bionik berbasis sinyal Electromyography (EMG) menghadapi tantangan dalam menyeimbangkan akurasi pengenalan gerakan dan efisiensi komputasi pada perangkat keras dengan sumber daya terbatas. Model Deep Learning konvensional umumnya memiliki ukuran besar dan waktu komputasi yang tinggi, sedangkan model lightweight sering mengalami penurunan akurasi. Penelitian ini mengusulkan penerapan metode Knowledge Distillation untuk mengompresi model klasifikasi gerakan pada sistem kendali lengan prostetik berbasis mikrokontroler ESP32-S3. Proses penelitian meliputi akuisisi sinyal EMG menggunakan sensor OyMotion gForce200, pelatihan model dengan mentransfer pengetahuan dari Teacher Model ke Student Model berarsitektur Lightweight Convolutional Neural Network (CNN), serta pengujian sistem secara real-time pada lima subjek dengan sepuluh jenis gerakan tangan. Hasil pengujian menunjukkan bahwa ukuran model berhasil direduksi sebesar 95,2% dari 655 KB menjadi 31,4 KB, dengan rata-rata waktu komputasi inferensi sebesar 4,54 ms. Model lightweight CNN mencapai akurasi pelatihan sebesar 98,61% dan rata-rata akurasi klasifikasi gerakan sebesar 74% pada pengujian real-time. Penggunaan memori mikrokontroler tercatat sebesar 31% untuk Flash dan 19% untuk (Static Random Access Memory) SRAM. Hasil ini menunjukkan bahwa Knowledge Distillation efektif dalam menghasilkan sistem kendali lengan prostetik yang responsif dan efisien pada perangkat keras tertanam.
Analisis Sentimen Konflik Israel Dan Iran Pada Media Sosial X Menggunakan Metode Support Vector Machine Dan Word2vec Nabil Auliya, Muhammad Hanif; Muflikhah, Lailil; Perdana, Rizal Setya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 01 (2026): Januari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Konflik antara Israel dan Iran memicu beragam opini publik di media sosial, khususnya pada platform X (Twitter). Karakteristik bahasa media sosial yang tidak terstruktur, kaya singkatan, dan bahasa gaul menjadi tantangan dalam analisis sentimen. Penelitian ini bertujuan menganalisis sentimen opini publik terhadap konflik Israel–Iran di media sosial X menggunakan algoritma Support Vector Machine (SVM) dengan representasi teks berbasis Word2Vec, serta mengevaluasi pengaruh penerapan slang words conversion pada tahap preprocessing. Data diperoleh melalui proses web scraping terhadap cuitan berbahasa Indonesia yang relevan dengan topik penelitian. Tahapan preprocessing meliputi cleaning, case folding, tokenizing, dan slang words conversion. Representasi teks dilakukan menggunakan Word2Vec dengan pendekatan Skip-gram dan dibentuk menjadi vektor kalimat melalui sentence embedding. Klasifikasi sentimen dilakukan menggunakan SVM dengan kernel polynomial, sedangkan evaluasi kinerja model diukur menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa penerapan slang words conversion meningkatkan kinerja model secara konsisten. Model dengan penerapan tahap tersebut menghasilkan nilai accuracy sebesar 0,7453 dan F1-score sebesar 0,7482, lebih tinggi dibandingkan model tanpa slang words conversion. Temuan ini menegaskan pentingnya kualitas preprocessing dalam analisis sentimen data media sosial.
Studi Perbandingan Performa Animasi Flip pada Aplikasi Androidnative menggunakan XML dan Jetpack Compose Yudistira, Faisal Ariawan; Akbar, Muhammad Aminul; Pinandito, Aryo
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

naskah ini akan diterbitkan pada jurnal: JUSTSI
Analisis Komparatif Integrasi Konten Dan Produk Pada Tiktok Keranjang Kuning Dan Shopee Video Menggunakan HEART Framework Kamila, Sabrina
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

TBD

Page 678 of 685 | Total Record : 6850

 676   677   678   679   680 

Filter by Year

2017 2026


Reset
Filter By Issues
All Issue Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026 Vol 10 No 01 (2026): Januari 2026 Vol 10 No 2 (2026): Februari 2026 Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025 Vol 9 No 12 (2025): Desember 2025 Vol 9 No 11 (2025): November 2025 Vol 9 No 10 (2025): Oktober 2025 Vol 9 No 9 (2025): September 2025 Vol 9 No 8 (2025): Agustus 2025 Vol 9 No 7 (2025): Juli 2025 Vol 9 No 6 (2025): Juni 2025 Vol 9 No 5 (2025): Mei 2025 Vol 9 No 4 (2025): April 2025 Vol 9 No 3 (2025): Maret 2025 Vol 9 No 2 (2025): Februari 2025 Vol 9 No 1 (2025): Januari 2025 Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024 Vol 8 No 10 (2024): Oktober 2024 Vol 8 No 9 (2024): September 2024 Vol 8 No 8 (2024): Agustus 2024 Vol 8 No 7 (2024): Juli 2024 Vol 8 No 6 (2024): Juni 2024 Vol 8 No 5 (2024): Mei 2024 Vol 8 No 4 (2024): April 2024 Vol 8 No 3 (2024): Maret 2024 Vol 8 No 2 (2024): Februari 2024 Vol 8 No 1 (2024): Januari 2024 Vol 7 No 13 (2023): Publikasi Khusus Tahun 2023 Vol 7 No 9 (2023): September 2023 Vol 7 No 8 (2023): Agustus 2023 Vol 7 No 7 (2023): Juli 2023 Vol 7 No 6 (2023): Juni 2023 Vol 7 No 5 (2023): Mei 2023 Vol 7 No 4 (2023): April 2023 Vol 7 No 3 (2023): Maret 2023 Vol 7 No 2 (2023): Februari 2023 Vol 7 No 1 (2023): Januari 2023 Vol 7 No 14 (2023): Antrian Publikasi Vol 6 No 13 (2022): Publikasi Khusus Tahun 2022 Vol 6 No 12 (2022): Desember 2022 Vol 6 No 11 (2022): November 2022 Vol 6 No 10 (2022): Oktober 2022 Vol 6 No 9 (2022): September 2022 Vol 6 No 8 (2022): Agustus 2022 Vol 6 No 7 (2022): Juli 2022 Vol 6 No 6 (2022): Juni 2022 Vol 6 No 5 (2022): Mei 2022 Vol 6 No 4 (2022): April 2022 Vol 6 No 3 (2022): Mei 2022 Vol 6 No 2 (2022): Februari 2022 Vol 6 No 1 (2022): Januari 2022 Vol 5 No 13 (2021): Publikasi Khusus Tahun 2021 Vol 5 No 12 (2021): Desember 2021 Vol 5 No 11 (2021): November 2021 Vol 5 No 10 (2021): Oktober 2021 Vol 5 No 9 (2021): September 2021 Vol 5 No 8 (2021): Agustus 2021 Vol 5 No 7 (2021): Juli 2021 Vol 5 No 6 (2021): Juni 2021 Vol 5 No 5 (2021): Mei 2021 Vol 5 No 4 (2021): April 2021 Vol 5 No 3 (2021): Maret 2021 Vol 5 No 2 (2021): Februari 2021 Vol 5 No 1 (2021): Januari 2021 Vol 5 No 13 (2021) Vol 4 No 13 (2020): Publikasi Khusus Tahun 2020 Vol 4 No 12 (2020): Desember 2020 Vol 4 No 11 (2020): November 2020 Vol 4 No 10 (2020): Oktober 2020 Vol 4 No 9 (2020): September 2020 Vol 4 No 8 (2020): Agustus 2020 Vol 4 No 7 (2020): Juli 2020 Vol 4 No 6 (2020): Juni 2020 Vol 4 No 5 (2020): Mei 2020 Vol 4 No 4 (2020): April 2020 Vol 4 No 3 (2020): Maret 2020 Vol 4 No 2 (2020): Februari 2020 Vol 4 No 1 (2020): Januari 2020 Vol 3 No 12 (2019): Desember 2019 Vol 3 No 11 (2019): November 2019 Vol 3 No 10 (2019): Oktober 2019 Vol 3 No 9 (2019): September 2019 Vol 3 No 8 (2019): Agustus 2019 Vol 3 No 7 (2019): Juli 2019 Vol 3 No 6 (2019): Juni 2019 Vol 3 No 5 (2019): Mei 2019 Vol 3 No 4 (2019): April 2019 Vol 3 No 3 (2019): Maret 2019 Vol 3 No 2 (2019): Februari 2019 Vol 3 No 1 (2019): Januari 2019 Vol 2 No 12 (2018): Desember 2018 Vol 2 No 11 (2018): November 2018 Vol 2 No 10 (2018): Oktober 2018 Vol 2 No 9 (2018): September 2018 Vol 2 No 8 (2018): Agustus 2018 Vol 2 No 7 (2018): Juli 2018 Vol 2 No 6 (2018): Juni 2018 Vol 2 No 5 (2018): Mei 2018 Vol 2 No 4 (2018): April 2018 Vol 2 No 3 (2018): Maret 2018 Vol 2 No 2 (2018): Februari 2018 Vol 2 No 1 (2018): Januari 2018 Vol 2 No 8 (2018) Vol 2 No 6 (2018) Vol 1 No 12 (2017): Desember 2017 Vol 1 No 11 (2017): November 2017 Vol 1 No 10 (2017): Oktober 2017 Vol 1 No 9 (2017): September 2017 Vol 1 No 8 (2017): Agustus 2017 Vol 1 No 7 (2017): Juli 2017 Vol 1 No 6 (2017): Juni 2017 Vol 1 No 5 (2017): Mei 2017 Vol 1 No 4 (2017): April 2017 Vol 1 No 3 (2017): Maret 2017 Vol 1 No 2 (2017): Februari 2017 Vol 1 No 1 (2017): Januari 2017 More Issue