SISFOTENIKA
Jurnal Ilmiah SISFOTENIKA diterbitkan oleh LPPM STMIK Pontianak dan IndoCEISS. Frekuensi Terbit Tengah Tahunan (2 kali dalam setahun, yaitu bulan Januari dan Juli). Topik yang akan dipublikasikan oleh jurnal SISFOTENIKA berhubungan dengan teknologi informasi, komunikasi dan komputer yang berbentuk kumpulan/akumulasi pengetahuan baru, pengamatan empirik atau hasil penelitian, dan pengembangan gagasan atau usulan baru.
Articles
239 Documents
<![CDATA[Merancang Tata Kelola Perguruan Tinggi Menggunakan Kerangka Kerja Scrum Melalui Dukungan Teknologi Informasi ]]>
<![CDATA[R Wisnu Prio Pamungkas]]>;
<![CDATA[Ahmad Fathurrozi]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1268
<![CDATA[Berdasarkan Visi Misi dari Perguruan Tinggi yang mewujudkan Tridharma Perguruan tinggi dengan dukungan Teknologi Informasi, beserta terwujudnya Tata Kelola Perguruan Tinggi yang akuntabel dan efektif. Maka sebagai seorang Dosen di Program Studi Informatika Fakultas Ilmu Komputer, yang merupakan domain di Bidang Teknologi Informasi, merasa perlu memberikan dukungan penuh dalam mewujudkan Visi Misi Perguruan Tinggi. Sebagai Fakultas Ilmu Komputer yang memiliki tim cukup besar di Project mengupayakan membuat acuan Tata Kelola yang baik. Dimulai dari perencanaan, membuat kajian dan analisis serta membuat usulan acuan pengelolaan Tata Kelola tersebut sehingga menghasilkan laporan yang lengkap detail serta sistematis yang dapat diwujudkan. Menggunakan pemanfaatan Work Breakdown Structure (WBS) untuk menguraikan tahapan aktifitas.. Harapan dari hasil kajian ini terciptanya landasan pemikiran Tata Kelola yang menjadi acuan kegiatan kedepan berserta Information Security (Keamanan Informasi). Hasil dari Penelitian ini dapat dipublikasikan pada jurnal nasional terakreditasi. Masa Pandemi ke Endemi, di mana Artificial Intelligence (AI) akan bermakna dalam mendukung sebuah Tata Kelola Perguruan Tinggi Based on the Vision and Mission of the Higher Education which realizes the Tridharma of Higher Education with the support of Information Technology, as well as the realization of an accountable and effective Higher Education Governance. So as a Lecturer in the Informatics Study Program, Faculty of Computer Science, which is a domain in the field of Information Technology, I feel the need to provide full support in realizing the Higher Education Vision and Mission. As a Faculty of Computer Science, which has a fairly large team in the Project, it strives to make good governance references. Starting from planning, making studies and analysis as well as making recommendations for the management of the Governance so as to produce a complete and systematic report that can be realized. Using the use of Work Breakdown Structure (WBS) to describe the activity stages. It is hoped that the results of this study will create a governance rationale that will serve as a reference for future activities along with Information Security. The results of this research can be published in accredited national journals. Pandemic to Endemic Period, where Artificial Intelligence (AI) will be meaningful in supporting a Higher Education Governance.]]>
<![CDATA[Implementasi Data Augmentation Random Erasing dan GridMask pada CNN untuk Klasifikasi Batik ]]>
<![CDATA[Chan Uswatun Khasanah]]>;
<![CDATA[Angkin Kusuma Pertiwi]]>;
<![CDATA[Farrel Witamajaya]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1274
<![CDATA[Penelitian ini bertujuan untuk mengetahui pengaruh data augmentation Random Erasing dan GridMask pada klasifikasi batik dengan 550 gambar yang terbagi menjadi 5 kelas, yaitu Ceplok, Kawung, Lereng, Nitik, dan Parang. Dataset terbagi menjadi data train, validation, dan test dengan perbandingan 70% : 20% : 10% sehingga masing-masing data train dan validation terdiri dari 500 gambar dan jumlah data test adalah 50 gambar. Kami mengimplementasikan data augmentation Random Erasing dan GridMask pada model pre-trained VGG16 dengan metode transfer learning dan fine-tuning (melakukan training pada block5 convolutional layer).Berdasarkan training menggunakan model pre-trained VGG16 pada dataset batik dengan membandingkan metode fine-tuning dan transfer learning menunjukkan bahwa metode fine-tuning menghasilkan akurasi lebih tinggi daripada transfer learning. Training tanpa data augmentation dapat menghasilkan akurasi yang lebih tinggi daripada saat menggunakan data augmentation, namun masih mengalami overfitting. Overfitting tersebut dapat diperkecil dengan mengimplementasikan data augmentation Random Erasing dan GridMask.]]>
<![CDATA[Perancangan Aplikasi SIG Berbasis Web Untuk Memonitoring Kegiatan Posyandu Di Kelurahan Tamanbaru ]]>
<![CDATA[Rudi Hartono Hartono]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1315
<![CDATA[AbstrakSetiap orang untuk dapat hidup produktif secara sosial dan ekonomi akan berkaitan dengan masalah kesehatan. Untuk menjaga kesehatan itu manusia yang sakit membutuhkan fasilitas tenaga medis untuk mendapatkan pelayanan kesehatan maupun konsultasi melalui kegiatan diantaranya adalah pos pelayanan terpadu (posyandu). Kelurahan Tamanbaru adalah salah satu kelurahan yang terletak di Kecamatan Banyuwangi Kota mempunyai posyandu yang tersebar di beberapa wilayah kelurahan. Oleh karena letak posyandu yang saling berjauhan akan menyulitkan pihak kelurahan untuk memantau kegiatan serta lokasi posyandu secara berkala. Solusi untuk menangani permasalahan tersebut diatas dapat dilakukan dengan bantuan aplikasi Sistem Informasi Geografis yang dapat menampilkan peta lokasi posyandu dengan cepat karena dengan membuka aplikasi Sistem Informasi Geografis berbasis web tersebut maka semua informasi yang berkaitan dengan kegiatan, lokasi serta foto posyandu di wilayahnya dapat langsung ditampilkan dalam bentuk peta digital. ]]>
<![CDATA[K-Means for Clustering of Dengue Fever Prone Areas ]]>
<![CDATA[Novianti Puspitasari]]>;
<![CDATA[Andre Ardin Maulana]]>;
<![CDATA[Rosmasari Rosmasari]]>;
<![CDATA[Faza Alameka]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1337
<![CDATA[The number of dengue fever sufferers has increased at a reasonably high level. The high number of cases of dengue fever is sometimes different from the availability of information owned by the department or local government about the areas where dengue fever is spread. Therefore, clustering areas prone to dengue fever needs to be carried out to provide information for interested parties so that the government can take appropriate handling measures based on the level of its spread. The clustering algorithm used is K-Means. The calculation methods used are Euclidean Distance, Manhattan Distance and Minkowski Distance. Accuracy calculations of the three distance methods are carried out using the Sum of Squared Error (SSE) to determine the ideal distance calculation. In addition, SSE is also used to see the optimal number of clusters. Based on data on the number of cases of dengue fever in Samarinda City for five years from various regions, the results show that cluster C1 is a high vulnerability level, C2 is a medium vulnerability level, and C3 is a low vulnerability level. Furthermore, three clusters are the ideal number for clustering because it has a smaller SSE value. The perfect distance measurement method is the Minkowski Distance because the Minkowski Distance SSE difference is the lowest among the other distance methods, which is 13.0803.]]>
<![CDATA[Penerapan Sentimen Analisis Dengan Algoritma SVM Dalam Tanggapan Netizen Terhadap Berita Resesi 2023 ]]>
<![CDATA[Mulyana, Dadang Iskandar]]>;
<![CDATA[Lutfianti, Nesti]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1339
<![CDATA[Saat ini banyak negara yang sedang memperbincangkan kemungkinan terjadinya resesi di negaranya, Indonesia termasuk diantaranya. Sinyal terjadinya kemungkinan resesi dapat terlihat dari mulai melemahnya aktifitas ekonomi sektor riil pada negara tersebut. Dengan adanya isu berita tersebut, menuai banyak pendapat dan opini dari netizen melalui paltform media sosial twitter, mereka saling berkomentar terhadap adanya isu berita resesi 2023. Tujuan dari penelitian analisis sentimen ini adalah untuk memahami dan mengetahui opini masyarakat atas isu berita resesi pada 2023 pada media sosial twitter apakah opini tersebut masuk dalam kelas sentimen positif atau kelas sentimen negatif serta mengetahui hasil akurasi persentasi dari setiap kelas. Pengujian dilakukan menggunakan model klasifikasi support vector machine (SVM) dan beberapa metode seperti data crawling, pre-processing, dan pembobotan kata. Berdasarkan hasil pengujian model didapatkan hasil akurasi 98,67% nilai Recall Positif sebesar 99.33%, nilai Recall Negatif sebesar 98.00%, nilai Precision Positif sebesar 98.03% dan nilai Precision Negatif sebesar 99.32%. Data latih sebanyak 300 data sebanyak 149 data terprediksi Positif dan 1 data terprediksi Negatif. Untuk hasil prediksi sentiment negative terdapat 147 data dan 3 data terprediksi positif. Dari proses sentimen analisis dengan 667 data uji, dihasilkan prediksi sebanyak 373 Sentimen Positif dan 294 Sentimen Negatif.]]>
<![CDATA[Analisa Tingkat Kepuasan Pelanggan Pada Percetakan Cv. Mega Media Menggunakan Algoritma C4.5 ]]>
<![CDATA[Puji Susanti]]>;
<![CDATA[Eka Prasetyaningrum]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1357
<![CDATA[Di Indonesia media cetak dari waktu ke waktu berkembang dengan pesat. Hal tersebut diketahui dengan banyaknya jumlah percetakan jasa yang berdiri. percetakan jasa merupakan usaha yang memproduksi bermacam media cetak seperti spanduk, banner, pamflet dan lain sebagainya. Ada banyak usaha percetakan yang menawarkan berbagai promo, hadiah, maupun dengan harga yang murah. Jika pelanggan kurang puas dengan hal tersebut semua akan sia-sia. Tujuan dari penelitian ini yaitu membantu pemilik CV.Mega Media mengetahui tolak ukur kepuasan pelanggan untuk dapat bersaing dengan percetakan yang lain. Peneliti akan menganalisa mengenai kepuasan pelanggan percetakan dengan atribut nama, jenis kelamin, usia, jenis pesanan, harga, pelayanan, kualitas produk, loyalitas, dan kepuasan. Dengan memanfaatkan teknik data mining dari ketiga kali pengujian yang telah dilakukan pada dataset kepuasan pelanggan yang dibagikan kepada 100 pelanggan, dapat di prediksi menggunakan algoritma C4.5 (decision tree) dengan hasil akurasi sebesar 93.00% dengan bantuan tools Rapidminer 9.9. Dengan hasil tersebut dapat digunakan untuk mengukur tingkat kepuasan pelanggan pada percetakan CV. Mega Media.]]>
<![CDATA[Sistem Pemilah Sampah Organik Berbasis Raspberry Pi Menggunakan Klasifikasi CNN ]]>
<![CDATA[Aditya Putra Perdana Prasetyo]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1340
<![CDATA[Projek ini bertujuan untuk melakukan pengecekan dan pengaturan pada Raspberry Pi 3 Model B+, Melakukan pengecekan dan pengaturan pada kamera Raspberry Pi Camera Rev 1.3 dan pengujian klasifikasi menggunakan Convolutional Neural Network atau CNN untuk mengetahui hasil prediksi sesuai dengan gambar yang ditampilkan. Metode penelitian pada projek ini menggunakan metode Forward Engineering. Metode ini membagi menjadi tahapan menjadi beberapa bagian dimulai dari studi literatur hingga pengujian projek dan analisa data projek.Raspberry Pi 3 Model B+ dan Raspberry Pi Camera Rev 1.3 yang telah ditur siap digunakan untuk melakukan proses pengambilan gambar pada objek-objek yang akan diklasifikasikan. Setelah dilakukan pengujian didapatkan hasil pengujian dengan rentang prediksi benar adalah 66% atau 33 gambar dan 34% atau 17 gambar dengan prediksi salah.]]>
<![CDATA[Perancangan Sistem Informasi Pelayanan Pariwisata Terpusat Menggunakan Zachman Framework dan ERP ]]>
<![CDATA[Arif Hadi Sumitro]]>;
<![CDATA[M. Taufiq]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1346
<![CDATA[Berkembangnya digitalisasi di Indonesia terutama di wilayah Banyuwangi menuntut banyak perubahan akan informasi yang disajikan dalam masyarakat. Pandemi covid 19 juga telah membawa dampak tuntutan akan perubahan tatanan dan aturan dalam segala hal termasuk juga pariwisata. Selain itu dalam kegiatan berwisata sendiri juga memiliki banyak komponen pendukung serta pelayanan dalam kegiatan berwisata, sehingga pembatasan kegiatan selama pandemic juga membawa dampak yang cukup besar untuk melakukan wisata. Banyuwangi memiliki berbagai macam potensi pariwisata, dan karena hal tersebut sehingga perlu adanya suatu rancangan besar untuk menyatukan kegiatan dan informasi berwisata di Banyuwangi termasuk pelayanan armada penunjang kegiatan berwisata. Selain itu komponen pendukung lain seperti penginapan juga perlu adanya koordinasi yang baik untuk mewujudkan kenyamanan dalam berwisata di tengah ketatnya protokol Kesehatan. Untuk itu, supaya system informasi terpusat bisa terwujud perlu adanya blue print yang jelas untuk memudahkan dalam mewujudkan perencanaan yang besar. Framework Zachman merupakan kerangka kerja yang akan digunakan untuk menciptakan arsitektur pelayanan pariwisata yang terpusat. Dan dari penelitian ini kerangka kerja Zachman mampu menciptakan desain blue print secara menyeluruh serta mempermudah dalam pembangunan system informasi pariwisata terpusat di Banyuwangi.]]>
<![CDATA[PERANCANGAN KLASIFIKASI SENTIMEN TWEET MENGENAI COVID-19 PADA TWITTER DI INDONESIA DENGAN METODE VECTOR SPACE MODEL ]]>
<![CDATA[Cucut Susanto]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1321
<![CDATA[Sejak awal tahun 2020, dunia dikejutkan dengan pandemi Covid-19, Virus Corona terus menyebar, hingga pada tanggal 19 Oktober 2020 Indonesia ditetapkan sebagai negara nomor satu dengan tingkat kematian tertinggi se-Asia Tenggara, Salah satu kebijakan yang ditempuh pemerintah dengan pemberian vaksinasi kepada seluruh masyarakat. Indonesia secara gratis. Masyarakat mulai memperbincangkan opini mereka mengenai PPKM di twitter secara masif. Kemudian opini-opini tersebut yang dimanfaatkan untuk mengetahui sentimen dari masyarakat. Ragam pendapat mengenai vaksinasi ini dimedia sosial twitter mengenai kewajiban vaksinasi terjadi perbedaan pendapat, baik yang setuju maupun yang tidak setuju akan berpengaruh bagi program-program penanganan pandemi corona virus maupun pemulihan ekonominya. Penelitian ini akan mengklasifikasi pendapat pengguna twitter dalam penggunaaan vaksinasi dan akan dibangun dalam sebuah perancangan sistem yang berbasis web, dengan kombinasi penggunaan metode Vector Space Model. Tujuan dari penelitian ini membangun sistem untuk mengklasifikasi sentimen positif dan negatif mengenai vaksin Covid-19 dengan metode Vector Space Model. Klasifikasi terhadap twitter secara langsung mengenai Covid-19, dapat diimplemantasikan dengan hasil tweet yang memperlihatkan nilai positif dengan 51.6%. Sistem dapat menjadikan program ini digunakan untuk melakukan klasifikasi dan menganalisa penentuan terhadap data tweet pada tahun berjalan]]>
<![CDATA[Fuzzy C-Means untuk Klasterisasi Perkiraan Kerugian Bencana Kebakaran ]]>
<![CDATA[Puspitasari, Novianti]]>;
<![CDATA[Pebianoor, Pebianoor]]>;
<![CDATA[Rosmasari, Rosmasari]]>;
<![CDATA[Wati, Masna]]>;
<![CDATA[Septiarini, Anindita]]>;
<![CDATA[Mewengkang, Alfrina]]>
<![CDATA[ SISFOTENIKA Vol 13, No 1 (2023): SISFOTENIKA ]]>
Publisher : <![CDATA[STMIK PONTIANAK ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30700/jst.v13i1.1384
<![CDATA[Bencana kebakaran merupakan bencana yang sering terjadi dan mendapatkan perhatian serius dari pemerintah Kota Samarinda. Namun, informasi tentang perkiraan jumlah kerugian yang dialami oleh korban kebakaran masih kurang memadai dan bahkan tidk diketahui. Informasi tentang perkiraan kerugian bencana kebakaran sangat diperlukan oleh pemerintah untuk memberikan penanganan yang tepat sasaran terhadap korban bencana kebakaran. Fuzzy C-Means merupakan metode yang dapat digunakan untuk memberikan informasi tentang perkiraan kerugian bencana kebakaran melalui klusterisasi. Hal ini dikarenakan Fuzzy C-Means mampu mengelompokkan data ke dalam kategori berdasarkan fungsi obyektif yang dihasilkan. Data yang digunakan merupakan data bencana kebakaran di Kota Samarinda sebanyak 306 data. Jumlah perkiraan kerugian bencana kebakaran dikelompokkan ke dalam tiga cluster yaitu sedikit, sedang dan banyak. Dari hasil perhitungan menggunakan Fuzzy C-Means, jumlah perkiraan kerugian bencana kebakaran dengan kategori sedikit (C3) sebanyak 180 data, kategori sedang (C2) sebanyak 83 data dan kategori banyak (C1) sebesar 43 data. Hasil validasi cluster menggunakan Partition Coefficient menunjukkan bahwa tiga cluster adalah cluster yang optimal dengan nilai partisi fuzzy sebesar 0.230. Nilai ini lebih besar dari dua cluster maupun empat cluster sehingga model pembentukan tiga cluster sangat tepat digunakan untuk mengelompokkan perkiraan kerugian bencana kebakaran.okjktroyal88tt789Ladang78Ladang78Jawa88Jawa88Jawa88Royal88ladang78toto slotladang78jejuslot]]>
