Articles
176 Documents
<![CDATA[Analisis Big Data untuk Kota Aman ]]>
<![CDATA[Setiyono]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1859.478 KB)
|
DOI: 10.37396/jsc.v2i3.44
<![CDATA[Abstract—Smart solutions are needed by the city government to overcome various city problems. One solution is smart city. To realize smart city, one of the main challenges is the solution to overcome the city's security problems. Currently cities in Indonesia do not yet know the level of security of their cities. The level of city security can be obtained by surveying various cities. But surveys require personnel, time and cost that is not small. In this study the authors propose a method by designing a model to determine the level of security of cities in Indonesia by utilizing big data through the prediction of sentiment analysis of people's perceptions of city security on Twitter. This research was conducted in 25 cities in Indonesia which are divided into 8 big cities, 9 medium cities and 8 small cities. The results of the prediction models designed in this study are generally not much different from the results of the 2019 RKCI (Indonesia Smart Cities Rating) survey in the field of security and disaster. The results of this study found that 4 cities with a maturity level of security are at the Integrative level (score 60 to 79 in GSCM Maturity Level), namely Tangerang, Kediri, Parepare and Probolinggo, while the other 21 cities are at the Scattered level (score 40 to 59). The average score for the big city category is 55.41, while the middle city score is 55.48 and the small city is 53.70. The results of performance measurement of this prediction model are for an accuracy value of 80.10% while a precision value of 81.10% and a recall value of 82.62%.]]>
<![CDATA[Rancangan Pengembangan Sistem Layanan Diseminasi Peringatan Dini Tsunami Berbasis Service Oriented Architecture (SOA) (Studi kasus : Badan Meteorologi Klimatologi dan Geofisika) ]]>
<![CDATA[Hidayanti]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1662.697 KB)
|
DOI: 10.37396/jsc.v2i3.45
<![CDATA[Indonesia merupakan negara dengan wilayah aktifitas kegempaan yang tinggi serta berpotensi menyebabkan kejadian bencana tsunami. Karakeristik tsunami yang berpotensi berulang memerlukan upaya mitigasi. Salah satu upaya mitigasi tsunami yaitu tanggap peringatan dan dapat memanfaatkan teknologi informasi. Badan Meteorologi Klimatologi dan Geofisika (BMKG) merupakan instansi yang mempunyai tugas, pokok dan fungsi untuk menyediakan dan menyebarluaskan peringatan dini tsunami. Diseminasi peringatan dini tsunami BMKG diharapkan memenuhi kebutuhan informasi yang bernilai bagi masyarakat dalam melakukan tindakan yang tepat pada sebelum terjadi bencana. BMKG telah mempunyai beberapa moda komunikasi yang dikendalikan oleh sistem diseminasi secara otomatis menyebarluaskan peringatan dini tsunami. Sistem diseminasi tersebut didukung oleh sistem pengolahan gelombang seismik (SeisComp3), sistem pemodelan tsunami (TOAST), Decision Support System (DSS), dan auto engine narasi. Performa layanan sistem-sistem tersebut dirasa masih perlu untuk ditingkatkan dan dikembangkan karena saat ini karena masih menggunakan konsep komunikasi data sederhana. Konsep komunikasi data pada antar sistem tersebut perlu dikembangkan dengan konsep yang lebih baik lagi sehingga antar sistem bisa berkomunikasi dengan layer dasar dan satu sama lain mengikuti serangkaian protokol dan spesifikasi. Hal ini sangat dibutuhkan dalam peningkatan layanan diseminasi yaitu pada penambahan moda komunikasi/penerima. Penelitian ini bertujuan sebagai upaya peningkatan efektifitas dan performa sistem layanan diseminasi peringatan dini tsunami yang bertarget pada penerima prioritas dengan memanfaatkan interoperability antar sistem pada Pusat Gempabumi dan Tsunami BMKG. Hasil penelitian ini berupa rancangan konsep dan prototipe sistem layanan diseminasi peringatan dini tsunami beserta evaluasinya. Perancangan konsep sistem layanan tersebut menggunakan prinsip Service Oriented Architecture (SOA) dan menggunakan metodologi Service System Engineering (SSE).]]>
<![CDATA[Smart Learning Platform for Management Executive: A Systematic Literature Review ]]>
<![CDATA[Umar Al Faruqi]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (607.878 KB)
|
DOI: 10.37396/jsc.v2i3.46
<![CDATA[Development of digital transformation towards the information age have made significant change in various sectors and industries, including education. This transformation also needs to consider social problem solving with human centered design approach. One of the learning methods enabled by the technology development of this transformation is smart learning, that aims to improve the quality of learning utilizing intelligent technology in accordance with the learning context. This paper explains systematic literature review conducted as initial study in the research of smart learning for executives. The journals used in this review are various international journals obtained from some reputable journal databases. After going through the filtering process using several inclusion and exclusion criteria, 15 journals were analyzed based on the research questions. From the review, it can be concluded that smart learning can improve the learning process in terms of motivation, engagement, and learning performance. Various information technology is used to enhance the efficiency and effectiveness of smart learning, which provides the learning needs for executive education.]]>
<![CDATA[Rancangan Layanan Informasi Anggota DPRD Kabupaten Brebes Berbasis Web Service dengan SOAML ]]>
<![CDATA[Iwan Setiawan]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1256.434 KB)
|
DOI: 10.37396/jsc.v2i3.47
<![CDATA[Interoperabilitas adalah kemampuan yang harus dimiliki oleh sistem agar mudah diintegrasikan dengan sistem lain. Integerasi informasi menjadi suatu kebutuhan bagi pemerintah dalam mewujudkan layanan terpadu kepada masyarakat. Layanan Informasi Anggota DPRD adalah salah satu layanan yang disediakan oleh DPRD Kabupaten Brebes untuk memudahkan akses informasi bagi pengguna, baik OPD maupun instansi lain. Penelitian ini menjabarkan desain layanan informasi anggota DPRD Kabupaten Brebes yang merupakan bagian dari sistem informasi DPRD dengan teknologi web service untuk menghubungkan pengguna dan penyedia informasi dalam pengambilan informasi yang dibutuhkan oleh pengguna.]]>
<![CDATA[A Survey on Product of Smart Service System ]]>
<![CDATA[Moh. Roufiq Azmy]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 2 No. 3 (2019): Transformasi dan Inovasi Kota Cerdas ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (824.902 KB)
|
DOI: 10.37396/jsc.v2i3.50
<![CDATA[Smart service is a new value that results from a collaboration between service providers and service users. Company as a service provider transformed not only provide a physical product, but also provide services. We conducted this research to integrate knowledge between smart products and smart service systems. The conceptualization of smart products is done by conducting a literature study of previous research. It is used to obtain the characteristics of smart products on smart service systems. This research also presents various topics and research focus in the context of products on smart service systems by including several smart service system implementations and illustration of smart product.]]>
<![CDATA[Systematic Literature Review pada Analisis Prediktif dengan IoT: Tren Riset, Metode, dan Arsitektur ]]>
<![CDATA[Fahrur Rozi]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (914.471 KB)
|
DOI: 10.37396/jsc.v3i1.53
<![CDATA[Nowadays IoT researches on intelligent service systems is becoming a trend. IoT produces a variety of data from sensors or smart phones. Data generated from IoT can be more useful and can be followed up if data analysis is carried out. Predictive analytic with IoT is part of data analysis that aims to predict something solution. This analysis utilization produces innovative applications in various fields with diverse predictive analytic methods or techniques. This study uses Systematic Literature Review (SLR) to understand about research trends, methods and architecture used in predictive analytic with IoT. So the first step is to determine the research question (RQ) and then search is carried out on several literature published in popular journal databases namely IEEE Xplore, Scopus and ACM from 2015 - 2019. As a result of a review of thirty (30) selected articles, there are several research fields which are trends, namely Transportation, Agriculture, Health, Industry, Smart Home, and Environment. The most studied fields are agriculture. Predictive analytic with IoT use varied method according to the conditions of data used. There are five most widely used methods, namely Bayesian Network (BN), Artificial Neural Network (ANN), Recurrent Neural Networks (RNN), Neural Network (NN), and Support Vector Machines (SVM). Some studies also propose architectures that use predictive analytic with IoT.]]>
<![CDATA[A Survey on Smart Analytics: Method, Tools, and Open Research Issues ]]>
<![CDATA[Nova Nurviana]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (608.145 KB)
|
DOI: 10.37396/jsc.v3i1.54
<![CDATA[Smart analytic nowadays was very popular because today big data is booming. Back several years ago, people were fascinating with statictics which surveys or cencus become a gun for describing or forecasting some issues as of decision making or planning. By migrating to big data, smart analytic is very needed to filter which data is useful and producing some worthy information.]]>
<![CDATA[IoT in Agriculture Industry ]]>
<![CDATA[Ekky Novriza Alam]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (604.212 KB)
|
DOI: 10.37396/jsc.v3i1.57
<![CDATA[Indonesia is known as an agricultural country that has an agricultural area of 7.1 million hectares in 2018. The agricultural sector is one sector that has great potential to get many benefits by implementing IoT technology. IoT implementation has several obstacles such as hardware, software, communication technology, and security. This paper aims to describe IoT-related studies in the agricultural sector that have been carried out since 2010 in the hope of providing evidence that transforming the traditional agricultural sector into a modern agricultural sector is very possible in Indonesia.]]>
<![CDATA[Implementasi Machine Learning pada Sistem Prediksi Kejadian dan Lokasi Patah Rel Kereta Api di Indonesia ]]>
<![CDATA[Nafisah Nurul Hakim]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (353.536 KB)
|
DOI: 10.37396/jsc.v3i1.58
<![CDATA[Besarnya minat masyarakat Indonesia terhadap penggunaan kereta api menyebabkan adanya urgensi terhadap penjaminan keselamatan penggunaan kereta api yang baik dari penyelenggaranya. Meskipun begitu, KNKT menemukan bahwa sebagian besar kecelakaan kereta api disebabkan oleh faktor prasarana, salah satunya adalah rel patah. Peninjauan lebih lanjut pada kejadian terkait memberikan hasil bahwa kejadian rel patah ini disebabkan oleh beberapa hal, di antaranya terdapat pada aspek manajemen dan organisasi. Penelitian ini dilakukan untuk memberikan pandangan baru terhadap metode penyelesaian masalah pada aspek manajemen dan organisasi dengan menerapkan machine learning untuk melakukan penilaian kondisi rel. Metode penilaian yang dimaksud dalam penelitian ini adalah penggunaan model machine learning untuk melakukan prediksi kemungkinan terjadinya rel patah di suatu titik dengan kondisi-kondisi yang dimasukkan sebagai input pada model. Pengembangan model dilakukan menggunakan metodologi CRISP-DM dan beberapa teknik pemodelan yang saling dibandingkan hasilnya sehingga menghasilkan model paling tepat. Evaluasi pada hasil setiap model yang dilakukan di akhir penelitian memberikan kesimpulan bahwa random forest adalah teknik yang paling tepat untuk digunakan dalam melakukan pembuatan model analisis prediksi kejadian dan lokasi rel patah berdasarkan data yang digunakan.]]>
<![CDATA[Kaji Terap Kecerdasan Buatan di Badan Pengkajian dan Penerapan Teknologi ]]>
<![CDATA[Hammam Riza]]>;
<![CDATA[Anto Satriyo Nugroho]]>;
<![CDATA[Gunarso]]>
<![CDATA[ Jurnal Sistem Cerdas Vol. 3 No. 1 (2020): Artificial Intelligence untuk Indonesia ]]>
Publisher : <![CDATA[APIC ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (852.284 KB)
|
DOI: 10.37396/jsc.v3i1.60
<![CDATA[BPPT mulai melakukan penelitian dan pengembangan di bidang kecerdasan buatan sejak tahun 1987 yaitu dengan keterlibatannya dalam proyek sistem mesin penerjemah multi bahasa yang disponsori oleh pemerintah Jepang. Penelitian di bidang mesin penerjemah ini terus berlanjut seiring dengan keterlibatan BPPT dalam beberapa proyek sesudahnya, antara lain proyek UNL, PAN Localization, ASEAN-MT, dan U-STAR.Beberapa metode pun telah digunakan dalam pembuatan sistem mesin penerjemah, dari penggunaan metode Interlingua yang berbasis aturan, berbasis statistik, sampai dengan metode sequence-to-sequenceyang menggunakan deep learning. Di bidang pemrosesan bahasa alami lainnya, BPPT juga melakukan riset dalam bidang pengenalan wicara atau ASR (Automatic Speech Recognition) yang telah menghasilkan produk komersial Perisalah yang berfungsi untuk mencatat segala bentuk pembicaraan di dalam rapat dan membuat notulensi secara cepat. Di bidang pembangkit wicara atau TTS (Text-to-Speech) BPPT telah memulai risetnya sejak tahun 2001 yang saat itu masih menggunakan metode diphone concatenation hingga saat ini menggunakan metode end-to-end.Selain riset di bidang teknologi pemrosesan alami, BPPT juga melakukan penelitian aplikasi kecerdasan buatan dalam pengolahan citra. Antara lain pengembangan sistem diagnosis Malaria, identifikasi individu memakai sidik jari, selaput pelangi, maupun wajah. Penelitiandi bidang biometrik ini seiring dengan tugas BPPT melakukan pendampingan Kementrian Dalam Negeri dalam implementasi KTP elektronik. Selain itu BPPT juga melakukan layanan pengujian KTP-elektronik bagi industri dalam negeri dari sisi teknologi kartu cerdas dan teknologi biometrik. BPPT juga turut mempersiapkan perancangan standar nasional biometrik (SNI) untuk pertukaran data, misalnya format penyimpanan data sidik jari pada chip KTP elektronik. Pada tahun 2019 BPPT memiliki Pusat Unggulan Iptek Biometrik yang menggalang kegiatan litbangyasa maupun layanan teknologi di bidang biometrik untuk kemandirian bangsa.]]>
