cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fitrianingsih
Contact Email
infokom@gunadarma.ac.id
Phone
+6221-78881112 ext. 516
Journal Mail Official
infokom@gunadarma.ac.id
Editorial Address
Jalan Margonda Raya 100
Location
Kota depok,
Jawa barat
INDONESIA
Jurnal Ilmiah Informatika Komputer
Published by Universitas Gunadarma
ISSN : 08538638     EISSN : 20898045     DOI : http://dx.doi.org/10.35760/ik
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
This journal is published periodically three times a year, April, August, and December. It publishes a broad range of research articles on Information Technology and Communication, whether in Indonesian Language or English.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 8 Documents
 1 
Search results for , issue "Vol 27, No 1 (2022)" : 8 Documents clear
PENGUKURAN KEMIRIPAN FITUR PADA SISTEM TEMU KEMBALI CITRA BERBASIS KONTEN MENGGUNAKAN EUCLIDIAN DISTANCE Rini Arianty; Maukar Maukar; Octarina Budi Lestari
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6095

Abstract

Sistem Temu Kembali Citra berbasis Konten atau sistem, sudah diterapkan pada beberapa mesin pencari seperti Google dan Bing, tetapi citra hasil pencarian yang diberikan masih ada yang tidak relevan dengan citra permintaan. Membangun Temu Kembali Citra berbasis Konten yang dapat memberikan hasil pencarian yang relevan tergantung pada penarikan informasi dari konten citra yang dimasukan. Proses penarikan informasi terhadap konten suatu citra dapat dilakukan dengan menggunakan metode ekstraksi fitur berdasarkan konten warna, bentuk atau tekstur. Penelitian ini, mengukur jarak kesamaan atau kemiripan antara citra query dengan citra pada database menggunakan Euclidian Distance pada Sistem Temu Kembali Citra berbasis Konten berdasarkan warna dan tekstur. Ekstraksi fitur warna dilakukan menggunakan metode Momen Warna, dan fitur tekstur menggunakan Filter Gabor. Persentase presisi tingkat keberhasilan Sistem yang diuji pada setiap kategori menggunakan pengujian secara visual dengan memperhatikan citra groundtruth. Hasil terendah memiliki presisi sejumlah 50% pada kategori gunung dan presisi tertinggi sejumlah 100% pada kategori dinosaurus. Rata-rata persentase presisi tingkat keberhasilan Sistem Temu Kembali Citra berbasis Konten sejumlah 84% dari 10 data uji yang diambil dari database. Hasil yang diharapkan dari penelitian, aplikasi dapat mengidentifikasi citra berdasarkan ekstraksi fitur yang digunakan dan dapat menampilkan 10 citra yang mirip dengan citra query pada perangkat desktop.
RANCANG BANGUN MINIATUR ANGKUTAN UMUM AUTONOMOUS DENGAN KENDALI BERBASIS IOT Izhar Jihad Alail; Robby Candra; Yuli Karyanti; Yulia Chalri; Hasma Rasjid
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6100

Abstract

Beberapa tahun terakhir sistem kendaraan tanpa awak sedang gencar dikembangan. Beberapa produsen otomotif berlomba-lomba mengembangkan kendaraan tanpa pengendara tersebut yang disebut sebagai autonomous car. Autonomous car menggunakan sensor untuk sistem navigasinya. Tujuan untuk membuat Rancang Bangun Miniatur Angkutan Umum Autonomous Berbasis IoT yaitu  untuk merancang suatu miniatur angkutan umum yang berkonsep Autonomous, dengan cara mengikuti garis yang ada dan juga dapat berhenti di halte yang telah ditentukan, dan membuat miniatur kendaraan umum yang dapat dikendalikan oleh IoT. Miniatur angkutan umum ini akan mengikuti garis yang telah disediakan sebagai jalur utama dan miniature ini akan berhenti jika ada objek didepan. Miniatur angkutan umum ini memiliki sensor BFD 1000 5 Channel dan 4 buah sensor ultrasonic sebagai input. Miniatur ini mempunyai Arduino Mega, NodeMCU V3 dan motor driver sebagai tempat untuk memproses. Untuk output dari miniatur ini terdapat 2 buah motor DC. Hasil yang diperoleh berupa miniatur angkutan umum yang dapat berjalan mengikuti jalur, berhenti di halte yang sudah ditentukan dan dapat kembali dan berhenti di pul berdasarkan perintah yang diberikan melalui applikasi android yang terhubung dengan internet. Dengan demikian diperoleh angkutan umum yang dapat berjalan dan berhenti sesuai dengan perintah yang sudah ditentukan.
PENDETEKSIAN OBJEK PADA CITRA HEWAN KARNIVORA DAN HERBIVORA MENGGUNAKAN FASTER R-CNN Sherien Trisnawaty Eka Putri; Achmad Fahrurozi
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.5858

Abstract

Penelitian ini bertujuan menghasilkan sistem pendeteksian objek dengan menggunakan Faster R-CNN untuk mengklasifikasikan jenis hewan dari kelompok hewan karnivora dan herbivora berbasis citra. Pembuatan program dalam penelitian ini menggunakan Faster R-CNN dengan arsitektur Inception V2 dan Google Collab pada tahap pelatihan. Data yang digunakan yaitu 2000 citra hewan yang diambil secara random menggunakan Chrome extension dan dilabelkan secara manual. Hasil akuisisi citra memberikan variasi sudut pengambilan gambar, variasi jarak pengambilan, dan variasi jumlah objek dalam citra. Pembuatan sistem pendeteksian objek ini meliputi tahap pelatihan untuk membentuk model Faster R-CNN, tahap uji coba, dan pengukuran performa sistem pendeteksian objek yang dihasilkam. Berdasarkan hasil implementasi dan uji coba, disimpulkan bahwa sistem ini dapat mengklasifikasikan jenis hewan karnivora dan herbivora dengan total loss model hasil pelatihan berada pada 0.06 dan rata-rata tingkat akurasi sebesar 89%. Hasil perhitungan Recall dan Precision menunjukkan bahwa  performa dari sistem klasifikasi yang dihasilkan sangat baik, dengan nilai Recall 100% terdapat pada kelompok citra hewan Cheetah, Eagle, Komodo, Shark, Tiger, Bull, Guineapig, dan Zebra.
Generator Kunci Tiga Lapis pada Algoritma Vigenere menggunakan Fungsi Random, Bilangan Euler dan Metode Blum Blum Shub Sutrasno Andre Wibowo; Eka Ardhianto
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6145

Abstract

Keamanan informasi melalui jaringan menjadi pokok penting dalam berkomunikasi. Meskipun model informasi yang berkembang saat ini beragam, model komunikasi berbasis teks masih banyak digunakan seperti surat elektronik, pesan singkat, telegram dan aplikasi yang serupa. Algoritma Vigenere yang berbasis teks hingga sekarang masih dikembangkan untuk membantu pengamanan informasi. Evolusi vigenere dimotivasi untuk meningkatkan keamanan informasi. Salah satu faktor yang penting dalam vigenere untuk meingkatkan tingkat keamanan informasi ialah kunci yang digunakan, oleh karena itu pemilihan kunci yang tepat akan mampu meningkatkan ketahanan informasi. Penelitian ini bertujuan untuk meningkatkan ketahanan Algoritma Vigenere terhadap serangan kriptanalis dengan menggunakan penerbitan kunci secara berlapis. Metode yang digunakan untuk menerbitkan kunci ialah kombinasi dari fungsi random, bilangan euler dan metode blum blum shub yang diimplementasikan pada model enkripsi extended vigenere. Entropi digunakan sebagai metric performa dari setiap model yang dieksperimenkan. Dengan eksperimen yang dilakukan secara berulang dengan sampel yang sama, hasil yang diperoleh ialah capaian nilai entropi rata-rata dengan nilai lebih dari 80% dari entropi optimum pada nilai entropi 6,41 dibanding dengan pengembangan model enkripsi vigenere sebelumnya. Dengan demikian modifikasi algoritma vigenere yang diusulkan memiliki ketahanan yang lebih baik terhadap serangan kriptanalis dari versi sebelumnya.
ANALISIS KREDIT CALON DEBITUR MENGGUNAKAN METODE FUZZY TSUKAMOTO Eka Patriya; Ety Sutanty; Handayani Handayani; Meilani B. Siregar; Esti Setiyaningsih
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6169

Abstract

Bank sebagai salah satu lembaga keuangan di Indonesia yang berbentuk bank memberikan jasa keuangan dengan menggunakan prinsip-prinsip perbankan. Bank SENDIRI menyediakan berbagai jenis fasilitas kredit, salah satunya Kredit Multi Guna. Saat ini proses analisis pengajuan kredit di Bank dilakukan dengan menggunakan Sistem Electronic Loan, akan tetapi ketika sistem bermasalah maka proses analisis kredit dilakukan dengan cara manual oleh analis. Tentu saja hal ini mengakibatkan proses analisis kredit membutuhkan waktu. Pada penelitian ini peneliti mengimplementasikan diimplementasikan penggunaan metode fuzzy tsukamoto dalam menganalisis kelayakan kredit calon debitur Bank. Proses analisis kredit pada penelitian ini menggunakan 3 variabel yaitu pekerjaan, Debt Service Ratio (DSR) yang merupakan perbandingan antara angsuran kredit dengan penghasilan, serta kolektabilitas. Masing-masing variabel memiliki 3 himpunan fuzzy dan aturan yang terbentuk adalah sebanyak 27 aturan. Kelayakan KMG calon debitur pada penelitian ini menggunakan hasil dari proses defuzzifikasi. Hasil ujicoba menunjukkan, implementasi fuzzy tsukamoto berdasarkan variabel, DSR, dan kolektabilitas berhasil menghasilkan keputusan kelayakan fasilitas kredit calon debitur Bank dari hasil defuzzifikasi. Hasil penelitian ini diharapkan dapat mempermudah analis dalam melakukan proses analisis pemutusan kredit calon debitur Bank.
IDENTIFIKASI PENYAKIT PNEUMONIA BERDASARKAN CITRA CHEST X-RAY MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Nadya Putri Ekananda; Desti Riminarsih
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6487

Abstract

Perkembangan teknologi digital telah mempengaruhi banyak bidang. Salah satunya dalam bidang kesehatan. Teknologi digital dalam bidang kesehatan banyak digunakan untuk menganalisis organ tubuh manusia bagian dalam yang sulit dilihat, menemukan obat yang tepat untuk mengobati penyakit, mendiagnosa penyakit dan masih banyak lagi. Salah satu hasil pemeriksaan yang dimanfaatkan oleh teknologi adalah hasil citra X-ray. Penyakit yang menggunakan hasil citra X-ray salah satunya adalah pneumonia. Pneumonia adalah infeksi akut pada jaringan paru-paru (alveoli). Gejala pneumonia adalah demam, sesak nafas, dahak berwarna kehijauan, serta gambaran hasil chest X-ray memperlihatan kepadatan pada bagian paru. Hasil citra chest X-ray diperiksa secara manual dan membutuhkan pencahayaan yang baik oleh dokter. Oleh karena itu, tujuan penelitian ini adalah mengimplementasikan algoritma Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit pneumonia berdasarkan citra chest X-ray yang didahului dengan peningkatan kualitas citra menggunakan histogram equalization. Pada model convolutional neural network ini digunakan 5.879 citra chest X-ray, diantaranya 5.255 citra chest X-ray untuk pelatihan dan 624 citra chest X-ray digunakan untuk pengujian. Pada proses pelatihan model diperoleh tingkat akurasi sebesar 97,16%. Pada pengujian model diperoleh tingkat akurasi sebesar 88.46%.
Front Matter Jurnal Ilmiah Informatika Komputer Vol. 27 No.1, April 2022 Editorial Jurnal Ilmiah Informatika Komputer
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

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

Abstract

KLASIFIKASI TOPIK TWEET MENGENAI COVID MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES DENGAN PEMBOBOTAN TF-IDF Lydia Mayasari; Dina Indarti
Jurnal Ilmiah Informatika Komputer Vol 27, No 1 (2022)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2022.v27i1.6184

Abstract

COVID merupakan virus yang banyak menjangkiti masyarakat Indonesia, bahkan dunia saat ini. Upaya yang dilakukan oleh pemerintah yang tidak luput dari komentar masyarakat mulai dari komentar berupa pujian, kritik, serta saran yang diberikan melalui berbagai media sosial seperti Twitter. Banyak tweet yang dikirimkan mengenai COVID. Tujuan penelitian ini adalah mengklasifikasikan topik tweet mengenai COVID menggunakan Multinomial Naïve Bayes dengan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Tahapan penelitian terdiri dari analisis masalah, pengumpulan data, pelabelan data, preprocessing, pembobotan TF-IDF, pelatihan menggunakan Multinomial Naïve Bayes, dan pengujian performa. Data tweet dikumpulkan dari 9 Juni 2021 sampai 9 Juli 2021 dengan kata kunci ‘COVID’. Jumlah tweet yang digunakan dalam penelitian ini yaitu 4.909 yang terdiri dari 3.436 data pelatihan dan 1.473 data pengujian. Topik tweet dalam penelitian ini terdiri dari ekonomi, kesehatan, hiburan, sosial, dan hukum. Klasifikasi topik tweet dilakukan pada tweet bahasa Indonesia. Tweet yang telah dikumpulkan lalu melalui tahap preprocessing terdiri dari case folding, tokenizing, stopword removal, normalisasi, dan stemming. Berdasarkan hasil pengujian, akurasi klasifikasi topik tweet menggunakan Multinomial Naïve Bayes dengan pembobotan TF-IDF sebesar 61%.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 30, No 2 (2025) Vol 30, No 1 (2025) Vol 29, No 3 (2024) Vol 29, No 2 (2024) Vol 29, No 1 (2024) Vol 28, No 3 (2023) Vol 28, No 2 (2023) Vol 28, No 1 (2023) Vol 27, No 3 (2022) Vol 27, No 2 (2022) Vol 27, No 1 (2022) Vol 26, No 3 (2021) Vol 26, No 2 (2021) Vol 26, No 1 (2021) Vol 25, No 3 (2020) Vol 25, No 2 (2020) Vol 25, No 1 (2020) Vol 24, No 2 (2019) Vol 24, No 3 (2019) Vol 24, No 1 (2019) Vol 23, No 3 (2018) Vol 23, No 2 (2018) Vol 23, No 1 (2018) Vol 22, No 3 (2017) Vol 22, No 2 (2017) Vol 22, No 1 (2017) Vol 21, No 3 (2016) Vol 21, No 2 (2016) Vol 21, No 1 (2016) Vol 20, No 2 (2015) Vol 20, No 1 (2015) Vol 19, No 3 (2014) Vol 14, No 2 (2009) Vol 14, No 1 (2009) Vol 13, No 3 (2008) Vol 13, No 1 (2008) Vol 12, No 3 (2007) Vol 12, No 1 (2007) Vol 11, No 3 (2006) Vol 11, No 2 (2006) Vol 11, No 1 (2006) More Issue