cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Hairani
Contact Email
matrik@universitasbumigora.ac.id
Phone
+6285933083240
Journal Mail Official
matrik@universitasbumigora.ac.id
Editorial Address
Jl. Ismail Marzuki-Cilinaya-Cakranegara-Mataram 83127
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer
Published by Universitas Bumigora
ISSN : 18584144     EISSN : 24769843     DOI : 10.30812/matrik
Core Subject : Science,
Computer Science & IT
MATRIK adalah salah satu Jurnal Ilmiah yang terdapat di Universitas Bumigora Mataram (eks STMIK Bumigora Mataram) yang dikelola dibawah Lembaga Penelitian dan Pengabadian kepada Masyarakat (LPPM). Jurnal ini bertujuan untuk memberikan wadah atau sarana publikasi bagi para dosen, peneliti dan praktisi baik di lingkungan internal maupun eksternal Universitas Bumigora Mataram. Jurnal MATRIK terbit 2 (dua) kali dalam 1 tahun pada periode Genap (Mei) dan Ganjil (Nopember).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 22 Documents
 1   2   3 
Search results for , issue "Vol. 21 No. 3 (2022)" : 22 Documents clear
Stroke Prediction Using Machine Learning Method with Extreme Gradient Boosting Algorithm Abd Mizwar A Rahim; Andi Sunyoto; Muhammad Rudyanto Arief
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1666

Abstract

Based on data obtained from WHO, stroke is a disease that ranks as the second most deadly disease. The cause of a stroke is when a blood vessel is hit or ruptured, resulting in a part of the brain not getting the blood supply that carries the oxygen it needs, leading to death. By utilizing technology in the health sciences, especially in the health sector, machine learning models can adjust and make it easier for users to predict certain diseases. Previous studies have had problems with low accuracy when used in healthcare. The purpose of this research is to increase accuracy by proposing the application of one of the ensemble learning algorithms, namely the Xtreme Gradient Boosting algorithm. This stroke prediction research uses the Xtreme Gradient Boosting Algorithm; the application of this method with split data Training data and 70/30 test data, 70% of the training data is 3582, 30% of the test data is 1536, and the results are 96% accuracy with these results having good results. This study increase accuracy in predicting stroke cases and get better accuracy than previous studies.
Digitalisasi Kamus Bahasa Daerah Papua Menggunakan Metode Rapid Application Development Nur Fitrianingsih Hasan; Muhammad Salis Amin Iribaram
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1688

Abstract

Kamus digital bahasa daerah merupakan upaya pemertahanan, pelestarian dan mempermudah masyarakat dalam pencarian sumber kosakata khususnya kosakata bahasa daerah secara cepat. Kamus digital bahasa daerah saat ini yang telah banyak diimplementasikan belum memiliki fitur khas Kamus Besar Bahasa Indonesia (KBBI) yaitu tulisan fonetis. Fitur penulisan fonetis atau fonetik berfungsi dalam mempelajari bunyi bahasa (pengucapan). Tujuan dari penelitian ini adalah menghasilkan aplikasi kamus dwibahasa daerah Papua sesuai KBBI berbasis website menggunakan metode Rapid Application Development (RAD). Kamus digital dwibahasa ini dilengkapi dengan fitur tulisan fonetis internasional, cara penulisannya disesuaikan dengan International Phonetic Alphabeth (IPA) yang belum terdapat pada kamus digital lain. Pada eksperimen implementasi fitur penulisan fonetis, agar gaya penulisan sesuai dengan standar IPA dilakukan analisis yang berkaitan erat dengan penggunaan desain pada database, Cascading Style Sheet (CSS), dan pengkodean Hyper Text Markup Language (HTML). Hasil pengembangan kamus digital ini mendapatkan nilai validasi oleh 3 ahli dari BBPP dan 4 pengguna adalah sebesar 89% yang artinya sangat layak untuk diimplementasikan.
Aplikasi Dynamic Cluster pada K-Means BerbasisWeb untuk Klasifikasi Data Industri Rumahan Hadi Santoso; Hilyah Magdalena; Helna Wardhana
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1720

Abstract

Masalah utama yang dihadapi Pemerintah Daerah Provinsi Kepulauan Bangka Belitung saat ini adalah sulitnya mengklasifikasikan data industri rumahan berdasarkan Peraturan Menteri PPPA No 2 Tahun 2016 yaitu pemula, berkembang dan maju. Berdasarkan permasalahan tersebut diusulkan pengembangan algoritma Kmeans yaitu algoritma Dynamic cluster pada K-means dengan tujuan agar dapat menghasilkan klaster yang optimal dalam pengelompokan data industri rumahan dengan membangun aplikasi cerdas berbasis web. Penelitian ini menggunakan metode analisis data mining SEMMA, yang meliputi tahapan-tahapan seperti data sampel, deskripsi data, transformasi data, pemodelan data, dan evaluasi data. 3.466 industri rumah tangga digunakan sebagai sampel data. Kinerja algoritma dievaluasi menggunakan pengukuran validitas klaster Davies Bouldin Index (DBI). Hasil eksperimen menunjukkan bahwa algoritma Dynamic cluster pada K-means memberikan nilai yang optimal pada iterasi ke lima, dengan perolehan sebagai berikut: klaster pemula (C1) diperoleh sebanyak 3214, kemudian klaster berkembang (C2) diperoleh sebanyak 167 dan klaster maju (C3) diperoleh sebanyak 85. Hasil evaluasi validitas klaster menunjukan bahwa algoritma Dynamic cluster pada Kmeans memperoleh nilai DBI lebih kecil dibandingkan dengan algoritma K-means dengan nilai DBI sebesar 0.184. Implementasi algoritma dynamic cluster pada K-means untuk pengelompokan data industri rumahan pada Dinas P3ACSKB di Provinsi Kepulauan Bangka Belitung terbukti menghasilkan kualitas cluster yang lebih optimal.
Dampak SMOTE terhadap Kinerja Random Forest Classifier berdasarkan Data Tidak seimbang Erlin Erlin; Yenny Desnelita; Nurliana Nasution; Laili Suryati; Fransiskus Zoromi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1726

Abstract

Dalam aplikasi machine learning sangat umum ditemukan kumpulan data dalam berbagai tingkat ketidakseimbangan mulai dari ketidakseimbangan kecil, sedang sampai ekstrim. Sebagian besar model machine learning yang dilatih pada data tidak seimbang akan memiliki bias dengan memberikan tingkat akurasi yang tinggi pada kelas mayoritas dan sebaliknya rendah pada kelas minoritas. Tujuan penelitian ini adalah untuk mengevaluasi dampak dari SMOTE (Synthetic Minority Oversampling Technique) pada pengklasifikasi Random Forest untuk memprediksi penyakit jantung. Data berjumlah 299 berasal dari UCI Machine learning Repository digunakan untuk membangun model prediksi berdasarkan 12 variabel independen dan 1 variabel dependen. Kelas minoritas dalam dataset pelatihan di oversampling menggunakan teknik SMOTE (Synthetic Minority Oversampling Technique). Model dievaluasi tidak hanya menggunakan ukuran kinerja Accuracy dan Precision saja, namun juga menggunakan alternatif ukuran kinerja lainnya seperti Sensitivity, F1-score, Specificity, G-Mean dan Youdens Index yang lebih baik digunakan untuk data yang tidak seimbang. Hasil penelitian menunjukkan bahwa teknik SMOTE (Synthetic Minority Oversampling Technique) mampu mengurangi overfitting sekaligus meningkatkan kinerja model Random Forest pada semua indikator. Peningkatan skor Accuracy sebesar 3.45%, Precision 4.8%, Sensitivity 7.1%, F1-score 4.8%, Specificity 2.1%, G-Mean 4.4%, dan Youdens Index 6.3%. Penelitian ini membuktikan bahwa dalam menentukan pengklasifikasi dengan algoritma machine learning seperti Random Forest, kemiringan kelas dalam data perlu diperhitungkan dan diseimbangkan untuk hasil kinerja yang lebih baik.
Pemetaan Dimensi Ketahanan Pangan berbasis Web GIS dan Metode TOPSIS Rizky Muliani Dwi Ujianti; Mega Novita; Iffah Muflihati
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1730

Abstract

Ketahanan pangan di suatu wilayah ditentukan oleh tersedianya pangan yang tepat dan memadai. Dalam memetakan dimensi ketahanan pangan ini diperlukan Web Geografhic Information System (GIS). Penelitian menggunakan mix method kualitatif dan kuantitatif yaitu kombinasi Sistem Pendukung Keputusan (SPK) dengan metode Technique For Order Preference by Similarity to Ideal Solution (TOPSIS), metode pengembangan Web GIS menggunakan metode McCall. Data spasial yang digunakan: batas administrasi Kab. Kendal, titik lokasi kecamatan, jumlah dari beberapa variabel ketahanan pangan. Data non spasial: keterangan penjelasan tentang dimensi ketahanan, dan foto foto kegiatan. Pengumpulan data sekunder bersumber dari instansi pemerintah dan Badan Pusat Statistik Kabupaten Kendal. Hasil penelitian dari metode TOPSIS berupa data perangkingan alternatif dimensi ketahanan pangan pada kecamatan dan peta Web GIS sesuai dengan beberapa variabel yaitu prasarana penyedia pangan yaitu rumah makan, penduduk, pengguna air bersih, jumlah tenaga kesehatan, jumlah puskesmas pembantu dan jumlah puskesmas, sedangkan hasil dari metode McCall mendeskripsikan bahwa total kualitas pengembangan WebGIS ini 61,05 yang berada dalam kategori baik. Penelitian ini dapat dikembangkan lebih lanjut berdasarkan variabel ketahanan pangan yang lain ataupun untuk pemetaan daerah lain, sehingga diperoleh penggambaran yang lebih kompleks mengenai potensi dimensi ketahanan pangan pada suatu wilayah.
Forensik Jaringan DDoS menggunakan Metode ADDIE dan HIDS pada Sistem Operasi Proprietary sri suharti; Anton Yudhana; Imam Riadi
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1732

Abstract

Forensik jaringan sangat dibutuhkan dalam mempertahankan kinerja jaringan komputer dari serangan Distributed Denial of Service (DDoS). Penelitian ini bertujuan untuk mendapatkan bukti digital keakurasian tool DDoS, keberhasilan metode HIDS dan implementasi firewall pada Network layer dalam menghentikan DDoS. Metode penelitian ini menerapkan ADDIE (Analyze, Design, Develop, Implement and Evaluate) dan Host-Based Intrusion Detection System (HIDS) Snort pada simulasi jaringan berbasis lokal dan luas. Hasil pengujian menyatakan Slowloris merupakan DDoS paling melumpuhkan web server IIS pada sistem operasi proprietary dengan penurunan performa server sebesar 78%, akurasi peningkatan trafik jaringan sebesar 92,84% alert 150 kali. Implementasi firewall pada network layer dalam menghentikan DDoS memiliki keberhasilan sebesar 98.91%. Hal ini menunjukkan metode ADDIE berhasil diterapkan dalam penelitian dan menyatakan DDoS pelumpuh server berhasil dideteksi pada metode HIDS dan berhasil dihentikan oleh firewall pada sistem operasi proprietary.
Community Purchase Decision Modeling in Bali with Non-Linier Methods Ni Putu Nanik Hendayanti; Maulida Nurhidayati; Siti Soraya; Habib Ratu Perwira Negara
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1740

Abstract

The Covid-19 pandemic has resulted in all activities having to be carried out by implementing physical distancing or social distancing in accordance with health protocols for mutual safety. The government encourages people to do more activities at home, including shopping. Consumer perception of purchasing goods online is a process of evaluating various alternatives and choosing one alternative to purchase goods using internet media. The government appealed to the public to take advantage of online shopping to minimize the spread of Covid-19. This indicates that there are factors that influence consumer perceptions of purchasing goods online during the Covid-19 pandemic. The purpose of this study was to examine the effect of perceived convenience, perceived benefits, perceived trustworthiness, and product quality on people’s purchasing decisions in Bali using the Structural Equation Modeling-Partial Least Square (SEM-PLS) approach, Support Vector Regression (SVR), and Feed Forward Neural Network (FFNN). Based on the results of the tests carried out, the SEM-PLS model is able to produce a model with an R2 value of 72.7% with a MAPE of 337.37, an SVR model of 65.88% with a MAPE of 219.56 and a FFNN model of 97.28% with a MAPE of 90.22. Based on the resulting R2 and MAPE values, the FFNN model gives the highest results compared to other models.
Keputusan Pemberian Bantuan Sosial Program Keluarga Harapan Menggunakan Metode AHP dan SAW Aji Supriyanto; Jeffry Alfa Razaq; Purwatiningtyas Purwatiningtyas; Agus Ariyanto
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1806

Abstract

Dalam rangka meningkatkan kesejahteraan masyarakat miskin, pemerintah memberikan berbagai macam bantuan sosial salah satunya Program Keluarga Harapan (PKH). Permasalahan utamanya adalah masih sering terjadi tidak tepat sasaran penerima PKH. Penyebab utama salah satunya adalah ketika petugas melakukan pendataan warga masih kesulitan dalam pengambilan keputusan untuk menentukan urutan kriteria calon penerima yang paling layak mendapatkan program tersebut. Penelitian ini bertujuan memberikan alternatif solusi dalam pengambilan keputusan pemberian bantuan sosial PKH dengan menggunakan metode AHP dan SAW. Metode AHP digunakan untuk pembobotan kriteria program yang telah ditentukan oleh pemerintah, sedangkan SAW digunakan untuk tahapan perankingan warga calon penerima program. Studi kasus yang digunakan adalah penentuan calon penerima PKH di Kelurahan Karanganyar Gunung Kota Semarang. Tahapan penelitian studi literatur terkait Sistem Pendukung Keputusan (SPK) dan bantuan sosial kemiskinan, Pengambilan data PKH, penerapan metode AHP dan SAW pada PKH, dan hasil preferensi. Hasil pengujian menunjukkan kriteria yang paling tinggi nilai bobotnya yaitu pada kriteria ibu hamil/menyusui dengan nilai 0,322, sedangkan nilai bobot terendah pada kriteria Anggota Rumah Tangga (ART) dengan nilai 0,018, dan ini menghasilkan nilai preferensi tertinggi yaitu 0,895. Hasil tersebut konsisten berdasarkan nilai Consistency Ratio (CR) = 0,0946, sehingga dapat ditentukan Ny Siswo Suwarno menduduki ranking tertinggi untuk mendapatkan Bansos.
Development of OnlineWeb-Based New Student Graduation Application in Junior High School Jusmita Weriza; Ismail Husein; Noranizamardia Noranizamardia; M Fakhariza; Khairan Marzuki
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1830

Abstract

The student graduation information system is integral to managing and carrying out school information system activities. Especially in Junior High Schools (SMP) today, many still have not used a website-based information system due to the new internet network entering this area. In meeting the admin’s need, in particular, to deal with the problem of passing the distribution of receiving information or announcements, documentation of activities, teaching materials, and registration of new student participants have not run optimally as expected. In the system development method in this research, the author uses the System Development Life Cycle (SDLC) with the Waterfall model approach, which consists of 5 stages: analysis, design, implementation, testing, and implementation. The system design tool uses the UML (Unified Modeling Language) method using use-case diagrams according to system requirements. In developing the SDLC method in this study, the authors used it until the design stage. The results obtained from this research are a Web-based application system for new students’ graduation. With this tool, several related files will be generated. This new system can improve the quality of further student admissions, graduation information and school information through the website.
Komparasi Ekstraksi Fitur dalam Klasifikasi Teks Multilabel Menggunakan Algoritma Machine Learning Lusiana Efrizoni; Sarjon Defit; Muhammad Tajuddin; Anthony Anggrawan
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 21 No. 3 (2022)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v21i3.1851

Abstract

Ektraksi fitur dan algoritma klasifikasi teks merupakan bagian penting dari pekerjaan klasifikasi teks, yang memiliki dampak langsung pada efek klasifikasi teks. Algoritma machine learning tradisional seperti Na¨ıve Bayes, Support Vector Machines, Decision Tree, K-Nearest Neighbors, Random Forest, Logistic Regression telah berhasil dalam melakukan klasifikasi teks dengan ektraksi fitur i.e. Bag ofWord (BoW), Term Frequency-Inverse Document Frequency (TF-IDF), Documents to Vector (Doc2Vec), Word to Vector (word2Vec). Namun, bagaimana menggunakan vektor kata untuk merepresentasikan teks pada klasifikasi teks menggunakan algoritma machine learning dengan lebih baik selalumenjadi poin yang sulit dalam pekerjaan Natural Language Processing saat ini. Makalah ini bertujuan untuk membandingkan kinerja dari ekstraksi fitur seperti BoW, TF-IDF, Doc2Vec dan Word2Vec dalam melakukan klasifikasi teks dengan menggunakan algoritma machine learning. Dataset yang digunakan sebanyak 1000 sample yang berasal dari tribunnews.com dengan split data 50:50, 70:30, 80:20 dan 90:10. Hasil dari percobaan menunjukkan bahwa algoritma Na¨ıve Bayes memiliki akurasi tertinggi dengan menggunakan ekstraksi fitur TF-IDF sebesar 87% dan BoW sebesar 83%. Untuk ekstraksi fitur Doc2Vec, akurasi tertinggi pada algoritma SVM sebesar 81%. Sedangkan ekstraksi fitur Word2Vec dengan algoritma machine learning (i.e. i.e. Na¨ıve Bayes, Support Vector Machines, Decision Tree, K-Nearest Neighbors, Random Forest, Logistic Regression) memiliki akurasi model dibawah 50%. Hal ini menyatakan, bahwa Word2Vec kurang optimal digunakan bersama algoritma machine learning, khususnya pada dataset tribunnews.com.

Page 2 of 3 | Total Record : 22

 1   2   3 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 25 No. 1 (2025) Vol. 24 No. 3 (2025) Vol. 24 No. 2 (2025) Vol. 24 No. 1 (2024) Vol. 23 No. 3 (2024) Vol. 23 No. 2 (2024) Vol. 23 No. 1 (2023) Vol. 22 No. 3 (2023) Vol. 22 No. 2 (2023) Vol. 22 No. 1 (2022) Vol. 21 No. 3 (2022) Vol. 21 No. 2 (2022) Vol. 21 No. 1 (2021) Vol. 20 No. 2 (2021) Vol. 20 No. 1 (2020) Vol. 19 No. 2 (2020) Vol. 19 No. 1 (2019) Vol. 18 No. 2 (2019) Vol. 18 No. 1 (2018) Vol. 17 No. 2 (2018) Vol. 17 No. 1 (2017) Vol. 16 No. 2 (2017) Vol. 16 No. 1 (2016) Vol. 15 No. 2 (2016) Vol. 15 No. 1 (2015) More Issue