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
Kab. bangkalan,
Jawa timur
INDONESIA
Network Engineering Research Operation [NERO]
Published by Universitas Trunojoyo Madura
ISSN : 23552190     EISSN : 26156539     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 8 Documents
 1 
Search results for , issue "Vol 7, No 1 (2022): NERO" : 8 Documents clear
FAKTOR PENENTU PENERIMAAN TEKNOLOGI SISTEM PEMBAYARAN TAGIHAN BULANAN MELALUI E-MARKETPLACE MENGGUNAKAN METODE COMBINED- THEORY OF PLANNED BEHAVIOUR-TECHNOLOGY ACCEPTANCE MODEL (C-TPB-TAM) Rian Fitriana; Sisilia Thya Safitri; Citra Wiguna
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.318

Abstract

Perkembangan teknologi digital yang sangat pesat saat ini telah berhasil mengubah pola hidup dan sistem pembayaran ekonomi pada masyarakat. Dampak dari adanya jaringan internet memperkenalkan model bisnis baru, yaitu model Business to-Business (B2B) online atau e-marketplace yang memperluas kerjasama pemasaran antara pembeli dan penjual. Salah satunya sistem pembayaran tagihan bulanan melalui e-marketplace, dari catatannya jumlah volume transaksi secara online telah meningkat 1,5% di atas transaksi konvensional, hal ini disebabkan adanya perubahan perilaku khususnya dalam pola penggunanya. Tujuan penelitian  ini yaitu menganalisis faktor yang mempengaruhi perubahan perilaku seseorang untuk memanfaatkan e-marketplace pada pembayaran tagihan bulanan dengan cara mengidentifikasi keterkaitan antara variabel endogen dan eksogen terhadap actual behavaiour dengan menggunakan metode C-TPB-TAM. Responden pada kuesioner berjumlah 210 dengan menggunakan teknik random sampling berdasarkan jenis pekerjaan yang mengacu pada jenis pekerjaan pengakses internet. Hasil dari penelitian ini yaitu perceived ease of use (PEOU)→actual behaviour (B), perceived ease of use (PEOU)→attitude (ATT), perceived usefulness (PU)→attitude (ATT), perceived ease of use (PEOU)→perceived usefulness (PU), attitude (ATT)→behaviour intention (BI), perceived behaviour control (PBC)→behaviour intention (BI), subjective norm (SN)→actual behaviour (B), behaviour intention (BI)→actual aehaviour (B) memiliki pengaruh positif dan signifikan terhadap seseorang untuk menggunakan sistem pembayaran tagihan bulanan melalui e-marketplace Shopee. Hasil pada variabel subjective norm (SN)→behaviour intention (BI) dan perceived behaviour control (PBC)→actual behaviour (B) tidak memiliki pengaruh yang signifikan terhadap seseorang untuk menggunakan sistem pembayaran tagihan bulanan melalui e-marketplace Shopee.
ANALISIS KOMPARASI METODE EDGE DETECTION ROBINSON DAN KIRSCH PADA DETEKSI BATIK PARANG RUSAK Farida Farida; Muhamad Zun Afif Amruloh
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.266

Abstract

Penelitian ini berisikan tentang komparasi metode deteksi tepi Robinson dan Kirsch pada sistem deteksi Batik Parang Rusak. Batik adalah kain yang memiliki gambar pola yang pembuatannya dilakukan dengan cara menuliskan atau menerapkan cairan malam melalui canting ke kain, kemudian pengolahannya diproses dengan cara tertentu. Jenis batik Parang Rusak/Barong pada masa kerajaan hanya boleh dipakai oleh keluarga/kalangan kerajaan, lebih tepatnya keraton Yogyakarta. Data yang digunakan adalah citra Batik Parang Rusak dan Non-Parang rusak yang didapat dari dosen pembimbing dan internet. Data yang diperoleh berjumlah 167 citra (115 citra latih dan 52 citra uji) dengan ukuran citra 300x200 dan memiliki format file BMP dan JPG. Tahapan deteksi pada penelitian ini meliputi : (1) Merubah citra RGB menjadi Grayscale atau warna keabuan. (2) Merubah citra Grayscale menjadi citra biner untuk memudahkan proses deteksi tepi. (3) Melakukan deteksi tepi pada citra biner dengan metode Kirsch dan Robinson. (4) Ekstraksi fitur bentuk dari citra deteksi tepi menggunakan metode Geometric Invariant Moment untuk mendapatkan nilai momen invariant. (5) Deteksi jenis batik dari nilai momen invariant menggunakan metode K-NN. Akurasi hasil deteksi tepi pada 52 citra uji dievaluasi dengan metode Accuracy. Hasil evaluasi  dari 52 citra yang terdeteksi menggunakan k optimal dari metode K-NN menghasilkan nilai 94,28% untuk metode deteksi Robinson dan 86,53% untuk metode deteksi tepi Kirsch.
IDENTIFIKASI HAMA DAN PENYAKIT TANAMAN JAGUNG DENGAN MENGGUNAKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) Bain Khusnul Khotimah; Eko Setiawan; Verdi Sasmeka; Aulya Fridayanti; Ikbar Maulana; Arwinda Mifta Zulfida
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.272

Abstract

Produksi hasil panen tanaman Jagung di Madura dipengaruhi oleh adanya wabah Hama dan penyakit, sehingga menyebabkan produksi jagung menurun. Permasalahan tersebut salah satunya dapat diatasi dengan adanya mengidentifikasi awal gejala tanaman yang terserang hama dan penyakit dengan menggunakan klasifikasi machine learning.  Penelitian ini menggunakan metode Support Vector Machine (SVM) untuk klasifikasi hama dan penyakit pada tanaman jagung. Sedangkan data yang digunakan berupa 200 data jenis kategori dengan 25 variabel pertanyaan, yang didiagnosa berupa penyakit, dan hama tanaman jagung. Metode ini menggunakan fungsi pemisah  supaya lebih optimal ketika memisahkan jenis data dari dua kelas yang berbeda. SVM dapat mendeteksi jenis hama dan penyakit tanaman jagung dengan masukan gejala dari pengguna. Penelitian ini telah menghasilkan akurasi  sistem yaitu perbedaan hasil perhitungan identifikasi dengan hasil perhitungan pada perbandingan data 60:40 dengan menggunakan perubahan parameter σ dan d, dengan memilih fungsi Kernel Gaussian Radial Basic telah menghasilkan akurasi klasifikasi senilai 94.29%.
IMPLEMENTASI METODE FUZZY TOPSIS DALAM PEMILIHAN OBJEK WISATA TERBAIK DI PULAU BAWEAN Nour Haqiki; Weny Mistarika Rahmawati; Maftahatul Hakimah
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.263

Abstract

Wisata dipulau bawean memiliki banyak berbagai jenis wisata baik alam, budaya, agro, religi dan lain – lain. Untuk memilih objek wisata yang tepat untuk dikunjungi, dibutuhkan sistem untuk pengambilan keputusan wisata dipulau bawean. Adapun tujuan yang akan dicapai pada penelitian ini ialah mempermudah wisatawan yang akan berkunjung ke wisata serta memilih objek wisata yang sesuai dengan kriteria dengan menerapkan metode Fuzzy Topsis. Metode Fuzzy Topsis ini yang akan memberikan pembobotan kriteria yang sesuai dengan preferensi wisatawan sebelumnya yang pernah berkunjung ke tempat wisata serta banyaknya wisatawan dan jarak ke tempat wisata tersebut. Program yang dibangun di uji dengan 30 alternatif dan 3 kriteria wisata yaitu jumlah pengunjung yang diambil dari rata-rata data 3 tahun terakhir yang memiliki nilai optimasi kurang lebih 500 , jarak dari penginapan di sekitar Pelabuhan ke tempat wisata yang jarak optimalnya 7km serta rating dari setiap wisata yang diambil dari survey para pengunjung yang telah berkunjung ke tempat wisata dengan nilai potensinya 6.5. Program menggunakan metode Fuzzy Topsis mampu memberikan hasil perangkingan yang berbeda di setiap alternatif dan terurut berdasarkan nilai preferesi terbesar.
ANALISIS DATA LALU LINTAS JARINGAN DI KANTOR CANGEHGAR CYBER OPERATION CENTER MENGGUNAKAN ALGORITMA K-MEANS Rubangiya Rubangiya; Tuti Hartati; Yudhistira Arie Wijaya
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.327

Abstract

Perkembangan teknologi dapat mempermudah manusia dalam menggunakan dan mengakses sebuah informasi. Suatu informasi dapat diperoleh dari kumpulan data yang telah dilakukan proses data mining, proses ini dapat menemukan pola tersembunyi dari suatu data. Banyaknya data lalu lintas jaringan dan terdiri dari berbagai jenis kegiatan yang berbeda menyebabkan kesulitan dalam memahami data lalu lintas jaringan, sehingga informasi penggunaan jaringan belum diketahui. Solusi yang digunakan untuk mengatasi permasalahan ini dengan melakukan analisis data lalu lintas jaringan yang bertujuan untuk mempermudah dalam memahami informasi dari lalu lintas pengguna jaringan. Metode yang digunakan untuk menganalisis data lalu lintas jaringan dalam penelitian ini Knowledge Discovery in Database (KDD) dengan Algoritma K-Means Clustering. Hasil penelitian ini diperoleh nilai Davies-Bouldin Index (DBI) terkecil adalah 0,028 dengan jumlah K = 2, dimana pada cluster 0 memiliki anggota 6195 dan cluster 1 memiliki anggota 2476. Hasil dari pengelompokan diperoleh anggota cluster 0 terdiri dari 15 jenis protocol dan cluster 1 terdiri dari 7 jenis protocol. Informasi yang diperoleh dari analisis data lalu lintas jaringan adalah protocol yang banyak digunakan pengguna jaringan yaitu protocol TCP, MDNS, dan HTTP, masing-masing digunakan untuk melakukan transfer data, mengakses Google Cast, dan update Microsoft.
KLASIFIKASI CITRA OBJEK WISATA DI KECAMATAN SAWAHAN MENGGUNAKAN DOMINANT COLOR STRUCTURE DESCRIPTOR (DCSD) Nurul Mahpiroh; Julian Sahertian; Resty Wulanningrum; Doni Abdul Fatah
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.245

Abstract

Banyaknya objek wisata yang berada di Kecamatan Sawahan membuat Kecamatan Sawahan sering dikunjungi oleh wisatawan, terbukti dengan banyaknya unggahan gambar pengunjung di sosial media yang menunjukkan objek wisata tersebut berada di Kecamatan Sawahan. Kemudian, gambar dari sosial media digunakan untuk klasifikasi citra objek wisata. Hasilnya berupa gambar objek wisata dikenali atau tidak. Untuk metodologi penelitian yang digunakan pada penelitian ini menggunakan metode R&D (Research and Development) yang mana menjelaskan analisa sistem, pengumpulan data, perancangan, dan evaluasi yang telah dibuat. R & D sendiri adalah tahap awal dan tahap eksplorasi dengan melakukan riset dan pengembangan serta pengujian pada suatu produk. Metode Dominant Color Structure Descriptor (DCSD) adalah metode yang dapat digunakan untuk ekstraksi fitur warna sehingga data gambar yang digunakan harus memiliki perbedaan warna yang mencolok. Dengan pengujian data gambar cerah, berawan, dan cerah-berawan kemudian dievaluasi menggunakan confusion matrix. Hasil evaluasi diperoleh akurasi sebesar 93% untuk gambar cerah, untuk gambar berawan diperoleh akurasi sebesar 84%, dan untuk gambar cerah-berawan diperoleh akurasi sebesar 80%. Hasil tersebut cukup baik jika digunakan untuk mengenali gambar objek wisata.
IMPLEMENTASI CHATBOT LAYANAN INFORMASI PENDAFTARAN MAHASISWA BARU PROGRAM PASCASARJANA DEPARTEMEN TEKNIK INFORMATIKA ITS Eva Mursidah; Lina Ambarwati; Faiz Ainun Karima
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.276

Abstract

Pandemi Covid-19 telah memberikan dampak yang signifikan bagi kehidupan masyarakat tak terkecuali bidang pendidikan.  Pihak kampus dituntut untuk tetap menjalankan protokol kesehatan dan melakukan seluruh kegiatan secara online tidak terkecuali proses pendaftaran mahasiswa baru program Pascasarjana Departemen Teknik Informatika ITS. Untuk mempermudah pelaksanaan pendaftaran secara online maka program Pascasarjana Departemen Teknik Informatika ITS mengembangkan system layanan informasi pintar yaitu chatbot. Chatbot merupakan perangkat lunak yang dapat berkomunikasi dengan manusia menggunakan bahasa alami, model percakapan menggunakan kecerdasan buatan agar mampu memahami ucapan dan memberi tanggapan yang relevan dengan masalah yang dibahas oleh pengguna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan teknologi chatbot yang dapat membantu pengguna mendapatkan layanan informasi seputar pendaftaran program Pascasarjana Departemen Teknik Informatika ITS secara mudah dan cepat. Sumber data seputar pendaftaran pascasarjana, didapatkan dari wawancara langsung dengan staf yang bertanggung jawab. Chatbot pendaftaran pascasarjana ini diimplementasi menggunakan tools dialogflow dengan metode Natural Language Processing (NLP) dan WhatsApp API. Hasil penelitian ini diharapkan dapat merancang sebuah chatbot untuk memudahkan pendaftar serta pihak Departemen Teknik Informatika khususnya program pascasarjana dalam menjawab pertanyaan terkait seleksi masuk program pascasarjana. Pengujian aplikasi chatbot menggunakan data sebanyak 85 kalimat pertanyaan tentang pendaftaran pascasarjana ITS. Hasil pengujian menunjukkan bahwa chatbot dapat menjawab pertanyaan mengenai pendaftaran pascasarjana ITS dengan akurasi sebesar 98,82%.
PREDIKSI RATING FILM PADA WEBSITE IMDB MENGGUNAKAN METODE NEURAL NETWORK Vincentius Riandaru Prasetyo; Mirella Mercifia; Anasthasya Averina; Lauren Sunyoto; Budiarjo Budiarjo
Network Engineering Research Operation Vol 7, No 1 (2022): NERO
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/nero.v7i1.268

Abstract

Film adalah sebuah rekaman gambar bergerak yang menceritakan sebuah cerita atau kejadian yang dapat ditonton pada bioskop atau televisi. Kualitas atau kesuksesan dari film dapat dinilai dengan menggunakan sistem angka yang disebut rating. Rating biasanya diasosiasikan dengan rentang angka 0 sampai 5 atau 0 sampai 10. Rating film dapat dipengaruhi oleh banyak faktor, seperti alur cerita, sinematografi, pemeran, musik dan lainnya. Faktor-faktor tersebut merupakan data kualitatif sehingga untuk menentukan rating film berdasarkan rentang angka merupakan hal yang sulit. Untuk mengatasi masalah tersebut, maka dibuatlah sistem untuk memprediksi rating film berdasarkan kriteria-kriteria yang dimiliki oleh suatu film. Label Encoding, Normalizer, MinMax Scaler, dan Standard Scaler akan dipakai untuk preprocessing pada penelitian ini. Proses prediksi rating akan menggunakan metode Artificial Neural Network (ANN) dan Convolutional Neural Network (CNN). Dari hasil pengujian dengan menggunakan CNN didapatkan nilai akurasi sebesar 76.45%, dan hasil pengujian menggunakan ANN didapatkan nilai akurasi yang lebih baik yaitu sebesar 85.27%.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 7, No 2 (2022): NERO Vol 7, No 1 (2022): NERO Vol 6, No 2 (2021): NERO Vol 6, No 1 (2021): NERO Vol 5, No 2 (2020): NERO Vol 5, No 1 (2020): NERO Vol 4, No 3 (2019): NERO Vol 4, No 2 (2019): NERO Vol 4, No 2 (2019): NERO Vol 4, No 1 (2018): NERO Vol 4, No 1 (2018): NERO Vol 3, No 3 (2018): NERO Vol 3, No 3 (2018): NERO Vol 3, No 2 (2017): NERO Vol 3, No 2 (2017): NERO Vol 3, No 1 (2017): NERO Vol 3, No 1 (2017): NERO Vol 2, No 3 (2016): NERO Vol 2, No 3 (2016): NERO Vol 2, No 2 (2016): Nero Vol 2, No 2 (2016): Nero Vol 2, No 1 (2015): Nero Vol 2, No 1 (2015): Nero Vol 1, No 3 (2015): Nero Vol 1, No 3 (2015): Nero Vol 1, No 2 (2014): Nero Vol 1, No 2 (2014): Nero Vol 1, No 1 (2014): Nero Vol 1, No 1 (2014): Nero More Issue