cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ricky Firmansyah
Contact Email
ricky.rym@bsi.ac.id
Phone
+6281318340588
Journal Mail Official
jurnal.informatika@bsi.ac.id
Editorial Address
Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
Jurnal Informatika
Published by Universitas Bina Sarana Informatika
ISSN : 23556579     EISSN : 25282247     DOI : https://doi.org/10.31294/ji.v4i2
Core Subject : Science,
Computer Science & IT
Jurnal Informatika respects all researchers Technology and Information field as a part spirit of disseminating science resulting and community service that provides download journal articles for free, both nationally and internationally. The editorial welcomes innovative manuscripts from Technology and Information field. The scopes of this journal are: Expert System Decision Support System Data Mining Artificial Intelligence System Machine Learning Genetic Algorithms Business Intelligence and Knowledge Management Big Data the manuscripts have primary citations and have never been published online or in print. Every manuscript will be checked the plagiarism using Turnitin software. If the manuscript indicated major plagiarism, the manuscript is rejected.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 316 Documents
 26   27   28   29   30 
Pemantauan Sebaran Mahasiswa Dikampus Saat Pandemi Covid19 Menggunakan Metode Share Location Hero Wintolo; Haruno Sajati; Evi Wahyuningsih
Jurnal Informatika Vol 10, No 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i1.15055

Abstract

Penelitian ini membahas penanganan pandemic saat virus corona masih tinggi penularannya pada kegiatan belajar mengajar di kampus Institut Teknologi Dirgantara Adisutjipto yang dilakukan secara offline. Metode yang digunakan adalah share lokasi yang dilakukan oleh mahasiswa melalui smartphone yang dimilikinya. Data share lokasi yang berupa data GPS direkam dan diproses pada server dan ditampilkan dalam bentuk titik pada peta. Data ini dikirimkan oleh mahasiswa saat akan masuk ke dalam kampus, tempatnya di pos satpam melalui aplikasi yang diakses melalui QR code yang ditempelkan pada pos tersebut. Di pos satpam juga disediakan computer yang dapat mengakses aplikasi pada sisi server untuk memantau psosisi dan jumlah mahasiswa yang masuk ke dalam kampus. Data-data tersebut ditampilkan dalam sebuah peta yang merupakan perangkat lunak yang dibuat pada penelitian ini dengan memanfaatkan Application Program Interface (API) Google Map. Hasil dari penelitian menunjukan bahwa sebanyak 20 orang mahasiswa yang akan mengikuti perkuliahan offline pada ruang Halim 2 Gedung Halim Perdanakusuma Institut Teknologi Dirgantara Adisutjipto. Dari 20 orang yang mengisikan data, 14 orang berhasil mengirmkan data dan 6 orang gagal mengirimkan data. Kegagalan terjadi karena perangkat lunak yang dibangun untuk penelitian ini hanya bisa digunakan pada smartphone berbasis android. Kegagalan pengiriman data koordinat pada smartphone terjadi pada merk iphone. Data 14 mahasiswa yang berhasil mengirimkan koordinatnya. dari 14 orang pengunjung itu 12 terdeteksi berada didalam Halim 2 sedangkan 2 orang lainnya berada diluar  Halim 2, padahal 14 orang tersebut berada didalam Halim 2  sehingga kualitas GPS pada smartphone masing-masing mahasiswa ini dapat dikatakan tidak sama. This research discusses the handling of pandemics when the coronavirus transmission is still high in teaching and learning activities on the campus of the Adisutjipto Institute of Aerospace Technology which are carried out offline. The method used is a location sharing by students via their smartphones. Location share data in the form of GPS data is recorded and processed on the server and displayed in the form of dots on the map. This data is sent by students when they are about to enter the campus, where it is at the security post through an application that is accessed via a QR code attached to the post. The security guard post also provides computers that can access applications on the server side to monitor the position and number of students entering the campus. These data are displayed in a map which is software created in this study by utilizing the Google Map Application Program Interface (API). The results of the study showed that as many as 20 students would take offline lectures in the Halim 2 room, the Halim Perdanakusuma Building, Adisutjipto Institute of Aerospace Technology. Of the 20 people who filled in the data, 14 people succeeded in sending data and 6 people failed to send data. The failure occurred because the software built for this research could only be used on Android-based smartphones. Failure to send coordinate data on a smartphone occurs on the iPhone brand. Data from 14 students who successfully submitted their coordinates. of the 14 visitors, 12 were detected inside Halim 2 while 2 others were outside Halim 2, even though 14 of these people were inside Halim 2 so the quality of the GPS on each student's smartphone could be said to be not the same.
Penerapan Metode K-Means Clustering untuk Pemetaan Pengelompokan Lahan Produksi Tandan Buah Segar Abdussalam Al Masykur; Siska Kurnia Gusti; Suwanto Sanjaya; Febi Yanto; Fadhilah Syafria
Jurnal Informatika Vol 10, No 1 (2023): April 2023
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i1.15621

Abstract

Di Perkebunan Sei Lukut, Desa Maredan Barat, Kecamatan Tualang, Kabupaten Siak, Provinsi Riau, PT. Surya Intisari Raya, sebuah perusahaan swasta, mengelola perkebunan kelapa sawit. Memiliki 4 bagian lahan kelapa sawit yang terdiri dari 216 blok dengan total sekitar 4.000 Ha. Blok kelapa sawit biasanya mencakup 20 hektar dan berisi 28.000 pohon kelapa sawit, dengan kapasitas produksi bulanan sebesar 57 ton. Pemetaan klaster produksi tandan buah segar berupaya membantu pelaku usaha memutuskan kebijakan apa yang akan diterapkan untuk meningkatkan akurasi dan produktivitas produksi minyak sawit. Metode K-Means merupakan komponen dari metode clustering, yang merupakan subset dari kelompok Unsupervised Learning dan digunakan untuk mempartisi data ke dalam berbagai kategori. Untuk mengelompokkan blok lahan berdasarkan delapan data variabel luas pokok, panjang panen, daun lepas, curah hujan, pupuk, tujuan, dan persentase keberhasilan, penelitian ini akan menerapkan Indeks Davies Bouldin dengan alat RapidMiner. Kesimpulan akhir dari penelitian ini adalah sebuah aplikasi yang dapat memetakan pengelompokan areal produksi tandan buah segar dengan menerapkan metode K-Means Clustering, dengan nilai Davies Bouldin Index terkecil sebesar 0,921 pada jumlah cluster 3 yang termasuk Cluster C1 (Produktivitas Sedang). Terdiri dari 96 blok tanah, Cluster C2 (Produktivitas Rendah) terdiri dari 41 blok tanah, dan Cluster C3 (Produktivitas Tinggi) terdiri dari 79 blok tanah.In Sei Lukut Estate, West Maredan Village, Tualang District, Siak District, Riau Province, PT. Surya Intisari Raya, a private business, administers oil palm plantations. It has 4 sections of oil palm land made up of 216 blocks totaling about 4,000 Ha. Blocks of oil palm typically cover 20 hectares and contain 28,000 palm trees, with a monthly output capacity of 57 tons. The mapping of the production clusters for fresh fruit bunches seeks to help the business decide what policies to implement to increase the accuracy and productivity of palm oil production. The K-Means method is a component of the clustering method, which is a subset of the Unsupervised Learning group and is used to partition data into various categories. In order to group land blocks based on the eight variable data areas of total principal, harvest length, loose leaf, rainfall, fertilizer, goal, and percentage of success, this study will apply the Davies Bouldin Index with RapidMiner tools. The final conclusion of this research is an application that can map the grouping of fresh fruit bunch production areas by applying the K-Means Clustering method, with the smallest Davies Bouldin Index value of 0.921 in the number of clusters 3 including Cluster C1 (Medium Productivity) consisting of 96 blocks land, Cluster C2 (Low Productivity) consists of 41 land blocks, and Cluster C3 (High Productivity) consists of 79 land blocks.
Rate and Proportion Analysis of The Decision Model from Online Learning Sustainability Sihotang, Erna Fransisca Angela; Alam, Islam Nur
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16713

Abstract

The human development index is built by three fundamental dimensions: long life and healthy life, knowledge, and a decent standard of living. This research was inspired by sustainable development goal four, Quality Education. Quality of education has an excellent relation with knowledge management. The fuzzy logic-based decision support model of online course learning suggests nine parameters to be considered. This research collaborates those nine parameters, participation rate, and the Proportion of youth and adult involvement in formal and non-formal education. The result shows that from the participation rate, it concluded that those with stable expansion also consistently enrich their knowledge by attending formal or non-formal learning; female constantly takes learning more than male; people who lived in city has more urge to learn than people who live in villages. From the Proportion from 2017, 2018 and 2022, people with ICT skills increased significantly, showing good value. Nevertheless, while female participation in learning is higher than male, it does not make female has better skills than male. Last, needed an innovation to gain interest in study to village residents.
Implementasi Metode Content Based Filtering Pada Pemilihan Komik Kurniaji, Arba'i; Santi, Rina Candra Noor
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16113

Abstract

Komik adalah rangkaian gambar dan kata yang disusun dengan tujuan untuk menyampaikan informasi kepada orang yang membacanya. Selain dalam bentuk buku saat ini komik memiliki bentuk digital yang dapat dibaca melalui smartphone atau komputer. Komik memiliki beragam alur cerita dan genre, mulai dari aksi, petualangan dan lain-lain . Selain itu setiap negara memiliki komik dengan gaya yang berbeda. Banyaknya komik yang ada saat ini serta memiliki jenis, alur dan genre yang berbeda menjadi sebuah masalah bagi orang yang ingin membaca komik. Permasalahan ini dapat diselesaikan dengan membuat suatu sistem rekomendasi. Pada penelitian ini akan menggunakan metode Content Based Filtering untuk mendapatkan hasil rekomendasi. Dalam metode ini menggunakan metode TF-IDF untuk melakukan pembobotan dan Cosine Similarity untuk mencari kemiripan komik. Metode ini dipilih karena melihat kebiasaan pembaca komik yang sering membaca komik sesuai dengan yang pernah mereka baca sebelumnya. Kriteria yang akan digunakan pada penelitian ini adalah sinopsis, genre, dan komikus. Jumlah data yang digunakan pada penelitian ini sebanyak 200 komik. Hasil dari penelitian ini mengambil 10 komik untuk dijadikan rekomendasi. Pada pengujian yang telah dilakukan dengan menggunakan komik Ao Ashi sebagai komik preferensi mendapatkan nilai kemiripan sebesar 0.13901. Hasil rekomendasi pada peringkat pertama memiliki nilai kemiripan sebesar 0.03901 dengan persentase kemiripan 100% dan pada peringkat terakhir sebesar 0.09046 dengan persentase kemiripan 65.08%. Rata-rata nilai kemiripan yang dihasilkan adalah 0.10604 dengan persentase kemiripan sebesar 76.38%. Dengan nilai dan persentase yang didapatkan menunjukkan bahwa sistem berjalan dengan baik dan menghasilkan rekomendasi yang sesuai preferensi pengguna.
Implementasi Algortima Naive Bayes Untuk Klasifikasi Kesegaran Buah Jeruk Firmansyah, Guntur; Hermawan, Arief
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16115

Abstract

Jeruk adalah salah satu buah yang paling popular di dunia. Jeruk merupakan buah sitrus yang memiliki banyak kandungan vitamin C dan anti oksidan, yang bermanfaat bagi kekebalan tubuh. Buah jeruk banyak tumbuh di daerah tropis salah satunya Indonesia. Produktivias buah jeruk di Indonesia sangat tinggi dengan hal tersebut maka proses pemilahan buah jeruk berkualitas akan membutuhkan waktu yang lama apabila dilakukan secara manual. Hal ini tentunya akan mengurangi efektivitas dan efisiensi waktu yang ada. Sehingga dibutuhkannya suatu sistem komputasi dengan suatu algoritma untuk menunjang permasalahan tersebut. Perancangan sistem ini akan menggunakan algoritma naïve bayes untuk mengklasifikasikan kualitas buah jeruk. Sistem ini akan mempermudah proses pemilahan jeruk berkualitas dan manajemen waktu akan lebih efektif. Hasil akhir dari sistem ini mendapatkan hasil akurasi pelatihan 72,7% dan pengujian 62,6%.
Penerapan Metode Regresi Linear Untuk Prediksi Jumlah Bahan Baku Produksi Selai Bilfagi Husdi, Husdi; Dalai, Hastuti
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.14129

Abstract

Penelitian ini bertujuan untuk mengetahui hasil penerapan metode regresi linear sederhana untuk memprediksi jumlah bahan baku nanas produksi Selai Bilfagi yang bertempat di Rumah Produksi Selai Bilfagi. Permasalahan yang sering dihadapi oleh pemilik usaha Selai Bilfagi adalah seringnya terjadi penumpukan maupun kekosongan jumlah persediaan nanas. Hal ini disebabkan oleh pembelian nanas diawal sebagai persediaan bahan baku sehingga sering terjadi penumpukan yang berlebih, sedangkan kekosongan terjadi karena faktor nanas itu sendiri yang mudah busuk. Peramalan diperlukan demi mempermudah pihak Rumah Produksi Selai Bilfagi dalam meramalkan seberapa besar jumlah bahan baku nanas yang dibutuhkan untuk produksi Selai Bilfagi pada bulan berikutnya, sehingga tidak mengalami kekosongan atau penumpukan bahan baku nanas pada bulan selanjutnya. Metode regresi linier sederhana merupakan metode peramalan yang menggunakan dua faktor, sehingga dapat menentukan hasil yang maksimal. Dengan metode regresi linear sederhana ini didapatkan Mean Absolute Percentage Error (MAPE) di uji coba dengan data 2021 yang didapatkan yaitu 18,897% dari hasil akurasi dapat disimpulkan bahwa sistem prediksi efektif untuk digunakan.This study aims to determine the results of applying a simple linear regression method to predict the raw material number of pineapple production at the Bilfagi Jam Production House. The problem often faced by Bilfagi Jam business owners is the pineapple supplies that often show cumulation or emptiness.  It is due to the initial purchase of pineapples as a stock of raw materials that there is often an excess cumulation.  The emptiness occurs due to the perishable condition of pineapple. A prediction is needed to make it easier for the Bilfagi Jam Production House.  It predicts the number of raw materials (pineapple) required by Bilfagi Jam production for the following month.  It leads to no emptiness or cumulation of pineapple raw materials in the following month. The simple linear regression method is a prediction method that uses two factors.  It can determine the maximum result through a simple linear regression method.  The mean absolute percentage error (MAPE) is tested with the 2021 data obtained. It has 18.897% of accurate results. It means that the prediction system is effective to use. 
Perbandingan Metode Klasifikasi pada Data dengan Imbalance Class dan Missing Value Istiana, Nofita; Mustafiril, Arief
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15540

Abstract

Imbalance class dan missing value merupakan beberapa permasalahan dalam metode klasifikasi. Imbalance class berdampak pada hasil prediksi dimana kelas minoritas sering disalahklasifikasikan sebagai kelas mayoritas. Missing value menyebabkan beberapa algoritma dalam metode klasifikasi tidak dapat dijalankan. Pada penelitian ini, imbalance class ditangani dengan SMOTE, sedangkan missing value ditangani dengan imputasi rataan dan binning peubah. Metode klasifikasi yang dibandingkan dalam kasus ini adalah regresi logistik, bagging, boosting, random forest, dan support vector machine yang diaplikasikan pada data dummy status kolektibilitas debitur. Metode klasifikasi tersebut akan cenderung memprediksi data kelas mayor (debitur berstatus kolektibilitas baik), sehingga prediksi kelas minor (debitur berstatus kolektibilitas buruk) cenderung sedikit. Metode yang memberikan akurasi tertinggi yaitu random forest (missing value diimputasi dengan nilai rataan), yang menghasilkan akurasi sebesar 0.801, sensitivitas sebesar 0.593, dan spesivitas sebesar 0.807. Imbalance class and missing value are some of the problems in classification method. Imbalance class causes the prediction of the minority class to be misclassified as the majority class. Missing value causes several algorithms in classification method cannot be run. In this study, imbalance class is handled by SMOTE, while missing value is handled by mean imputation and binning variable. The classification methods being compared in this study are logistic regression, bagging, boosting, random forest, and support vector machines which are applied to dummy data on debtors' collectibility status with total data 12459. The data contains 97.48 debtors with good collectibility status and 2.52 percent of debtors with bad collectibility status. The method that provides the highest accuracy is random forest (missing value imputed by mean value), which results in accuracy of 80.1 percent, sensitivity of 59.3 percent, and specificity of 80.7 percent. 
Penerapan Business Intelligence Untuk Analisis Kematian di Indonesia Tahun 2000-2022 Abdillah, Allif Rizki; Muflih, Hilmy Zhafran; Pranata, Ananda Bagas; Hasan, Firman Noor
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16569

Abstract

Kematian terus menerus terjadi dan sebagai manusia biasa kematian tidak dapat dihindari. Seiring berjalannya waktu, jenis kematian juga semakin bertambah khususnya di Indonesia, faktor kematian yang disebabkan oleh bencana alam, bencana non-alam atau penyakit dan bencana sosial yang di dalamnya memuat jenis-jenis penyebab kematian juga semakin bertambah jenis kematian yang baru. Seperti kemarin Indonesia mendapatkan jenis kematian baru yaitu covid-19 yang menelan ratusan ribu korban jiwa. Tujuan dari penelitian ini untuk mengidentifikasi serta menganalisa penyebab kematian yang ada di Indonesia dengan rentang tahun 2000 sampai tahun 2022. Peneliti memperoleh dataset untuk penelitian ini dari situs www.kaggle.com untuk dibuat data visualisasinya dengan mengimplementasikan Business Intelligence menggunakan platform Tableau dalam pembuatan visualisasinya. Hasil dari penelitian ini adalah laporan berupa dashboard yang di dalamnya memuat Total kematian berdasarkan kategori, total kematian beserta jenis kematiannya, total kematian per tahun dari tahun 2000 sampai tahun 2022, dll. Sehingga dapat memudahkan proses pengambilan keputusan. Kesimpulan dari penelitian ini yaitu terdapat 777.076 korban yang meninggal karena bencana non alam atau penyakit, terdapat 185.290 korban yang meninggal akibat bencana alam dan 261 korban yang meninggal akibat bencana sosial. Total kematian di Indonesia pada rentang tahun 2000 sampai tahun 2022 sejumlah 962.627. Death keeps happening and as an ordinary human being death cannot be avoided. Over time, the types of death have also increased, especially in Indonesia, the factor of death caused by natural disasters, non-natural disasters or diseases and social disasters which contain the types of causes of death. Like yesterday, Indonesia got a new type of death, namely Covid-19 which claimed hundreds of thousands of lives. The purpose of this research is to identify and analyze the causes of death in Indonesia from 2000 to 2022. Researchers obtained the dataset for this study from the website www.kaggle.com to make data visualization by implementing Business Intelligence using the Tableau platform in making the visualization. The results of this study are reports in the form of dashboards which contain total deaths by category, total deaths and types of deaths, total deaths per year from 2000 to 2022, etc. So that it can facilitate the decision-making process. The conclusion of this study is that there were 777,076 victims who died due to non-natural disasters or diseases, there were 185,290 victims who died as a result of natural disasters and 261 victims who died as a result of social disasters. The total number of deaths in Indonesia between 2000 and 2022 is 962,627.
Sistem Pendukung Keputusan Penentuan Nutrisi Pada Masa Kehamilan Menggunakan Metode Harris Benedict Umar, Najirah; Anatasya, A.Edeth Fuari; Putri, Nur Ika; Nur, Sri Khaerawati
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.15658

Abstract

Kehidupan manusia dimulai dengan lahirnya janin dalam kandungan. Manusia telah berpindah dari kehidupan kemasa perjuangan, salah satunya menghadapi kemungkinan kekurangan zat nutrisi yang diterima. Ketika seorang ibu menghadapi kurangnya gizi selama kehamilan, maka menimbulkan masalah bagi ibu maupun janinnya, seperti anemia, pendarahan dan berat badan ibu tidal bertambah secara normal. Kekurangan gizi dapat mempengaruhi proses persalinan yang menyebabkan  persalinan akan sulit dan lama, kelahiran premature dan pendarahan postpartum, mempengaruhi perkembangan  janin dan menyebabkan abortus, keguguran, cacat lahir dan berat lahir bayi rendah. Terutama masalah gizi ibu hamil di pengaruhi faktor ekonomi yang dimana tingkat kemampuan material ibu hamil masih banyak di garis kemiskinan. Oleh kaena itu Penelitian dilakukan untuk merancang dan mengimplementasikan system pendukung keputusan penentuan nutrisi pada masa kehamilan dengan menggunakan metode harris benedict. Rancangan system ini didesain secara terstruktur menggunakan UML, meliputi model use case diagram, activity diagram, sequence diagram dan class diagram. Dalam menentukan nutrisi yang baik dan sesuai dengan yang dibutuhkan oleh ibu hamil, maka dibutuhkan suatu hasil dan saran dari hasil perhitungan jumlah nutrisi yang akan membantu para ibu hamil untuk mengoptimalkan dan memaksimalkan pola hidup yang sehat.Penelitian ini memberikan solusi dalam menentukan jumlah nutrisi atau rekomendasi asupan nutrisi dan system mampu memberikan Hasil penentuan jumlah nutrisi yang akurat sehingga dapat memberikan suatu alternatif pengambilan keputusan.berdasarkan hasil pengujian ahli gizi dengan kesamaan hasil penentuan nutrisi dengan system menghasilkan persentase 90%. Berdasarkan pengujian blackbox yang telah dilakukan system ini menghasilkan output sesuai dengan diharapkan oleh 30 responden dengan persentase kelengkapan informasi 89,33%, kebutuhan pengguna 96,67%, kemudian akses 93,33%. Human life begins with the birth of the fetus in the womb. Humans have moved from life to struggle, one of which faces the possibility of lack of nutrients received. When a mother faces malnutrition during pregnancy, it causes problems for both the mother and her fetus, such as anemia, bleeding and the mother's weight does not increase normally. Malnutrition can affect the labor process causing labor to be difficult and long, premature birth and postpartum bleeding, affecting fetal development and causing abortion, miscarriage, birth defects and low birth weight of the baby. Especially the nutritional problems of pregnant women are influenced by economic factors where the level of material ability of pregnant women is still at the poverty line. Therefore, research was conducted to design and implement a decision support system for determining nutrition during pregnancy using the harris benedict method. The design of this system is designed in a structured manner using UML, including model use case diagrams, activity diagrams, sequence diagrams and class diagrams. In determining good nutrition and in accordance with what is needed by pregnant women, it takes a result and advice from the calculation of the amount of nutrients that will help pregnant women to optimize and maximize a healthy lifestyle. This research provides solutions in determining the amount of nutrients or nutritional intake recommendations and the system is able to provide accurate results of determining the amount of nutrients so as to provide an alternative decision making. Based on the results of nutritionist testing with the similarity of the results of determining nutrition with the system produces a percentage of 90%. Based on blackbox testing that has been carried out, this system produces output as expected by 30 respondents with a percentage of completeness of information 89.33%, user needs 96.67%, then access 93.33%.
Perbandingan Efisiensi Deteksi Tepi Roberts, Prewitt, dan Canny untuk Identifikasi Kartu Mahasiswa Saputra, Rizal Adi; Rayadin, Muhamad Amhar; Febryanti, Wa Ode Ika
Jurnal Informatika Vol 10, No 2 (2023): October 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v10i2.16726

Abstract

Sekarang ini setiap universitas/perguruan tinggi memiliki identitas tersendiri yang membedakannya dengan universitas/perguruan tinggi lain. Memisahkan mahasiswa dari universitas berdasarkan kartu mahasiswa mereka.  Dalam kartu mahasiswa terdapat data NIM. Nomor Induk Mahasiswa (NIM) adalah nomor yang digunakan sebagai nomor identitas mahasiswa selama masa studi berlangsung. Berdasarkan hal itu sebuah perguruan tinggi perlu memiliki sistem yang dapat mengidentifikasi NIM pada kartu mahasiswa. Adanya sistem tersebut dapat mempermudah dalam mengidentifikasi data mahasiswa berdasarkan nim yang tertera pada kartu mahasiswa. Untuk melakukan identifikasi data NIM pada kartu mahasiswa, dapat dilakukan metode deteksi tepi. Operator kernel pertama yang digunakan adalah Roberts. Kemudian digunakan Prewitt, lalu terakhir Canny. Ketiga metode ini bekerja dengan mengidentifikasi dan menonjolkan lokasi pixel yang memiliki nilai perbedaan intensitas citra yang ekstrim, akan tetapi ketiganya memiliki perbedaan pada ukuran kernel, kompleksitas metode, dan sensivitas terhadap derau. Penelitian ini bertujuan untuk membandingkan efisiensi antara ketiga operator tersebut dalam deteksi tepi. Dari hasil identifikasi NIM, diperoleh nilai rata - rata MSE, RMSE, dan PSNR operator Canny dari data uji yaitu  0.34068692, 0.57071118 dan 53.08796. Nilai ini adalah lebih baik dibanding dengan Roberts dan Prewitt. Dengan demikian dapat disimpulkan bahwa operator Canny adalah yang terbaik untuk melakukan deteksi tepi pada kartu mahasiswa

Page 28 of 32 | Total Record : 316

 26   27   28   29   30 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol 12, No 2 (2025): October Vol 12, No 1 (2025): April Vol 11, No 1 (2024): April 2024 Vol 11, No 2 (2024): October Vol 10, No 2 (2023): October 2023 Vol 10, No 1 (2023): April 2023 Vol 9, No 2 (2022): Oktober 2022 Vol 9, No 1 (2022): April 2022 Vol 8, No 2 (2021): September 2021 Vol 8, No 1 (2021): April 2021 Vol 7, No 2 (2020): September 2020 Vol 7, No 1 (2020): April 2020 Vol 6, No 2 (2019): September 2019 Vol 6, No 1 (2019): April 2019 Vol 5, No 2 (2018): Jurnal INFORMATIKA Vol 5, No 1 (2018): Jurnal INFORMATIKA Vol 4, No 2 (2017): Jurnal INFORMATIKA Vol 4, No 1 (2017): Jurnal INFORMATIKA Vol 3, No 2 (2016): Jurnal INFORMATIKA Vol 3, No 1 (2016): Jurnal INFORMATIKA Vol 2, No 2 (2015): Jurnal INFORMATIKA Vol 2, No 1 (2015): Jurnal INFORMATIKA Vol 1, No 2 (2014): Jurnal INFORMATIKA Vol 1, No 1 (2014): Jurnal INFORMATIKA More Issue