cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Erfan Wahyudi
Contact Email
erfan.wahyudie@gmail.com
Phone
-
Journal Mail Official
erfan.wahyudie@gmail.com
Editorial Address
-
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
EXPLORE
Published by Sekolah Tinggi Manajemen Informatika Komputer Mataram
ISSN : 2087894     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 13 Documents
 1   2 
Search results for , issue "Vol 9, No 2 (2019)" : 13 Documents clear
ALGORITMA FUZZY LOGIC PADA SISTEM PAKAR DALAM MENDETEKSI KERUSAKAN PADA KOMPUTER Saputra, Ade; Firdaus, Firdaus
Jurnal Explore Vol 9, No 2 (2019)
Publisher : STMIK Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v9i2.233

Abstract

Sistem pakar ini dapat menyederhanakan, mempercepat pendeteksian kerusakan pada komputer dan mengurangi tingkat kesalahan dalam perbaikan. Dalam mengembangkan sistem pakar digunakan metodologi logika fuzzy. Hasil dari perancangan sistem ini dimaksudkan untuk mempermudah pengguna dalam melakukan perbaikan pada komputer. Analisa terhadap sistem umum yang ada atau sistem umum yang sedang berjalan sangat diperlukan dalam membangun sebuah sistem pakar yang sesuai dengan kebutuhan. Tujuan dari menganalisa sistem yang sedang berjalan yaitu supaya sistem pakar yang dibangun tidak keluar dari sistem inti yaitu sistem pakar menentukan mendeteksi kerusakan pada komputer. Analisa masalah dapat dilakukan agar penemuan masalah yang ada, dapat diketahui penyebabnya, sehingga nantinya dari analisa masalah tersebut didapatkan suatu bentuk pemecahan masalah. Dari hasil analisa, dapat dirumuslan kendala-kendala dalam kegiatan konsultasi terhadap pakar. Penulis menemukan solusi agar dibuat suatu aplikasi Sistem Pakar agar dapat membantu user dalam mendeteksi kerusakan pada komputer.  Penelitian ini dilakukan dengan menerapkan kerangka kerja atau metode penelitian yang dimulai dari identification of problems, problem analysis, set goals, study literature, collecting data, system design, system testing, dan system implementation. Sistem yang berjalan pada saat ini adalah untuk proses penanganan terhadap berbagai kemungkinan-kemungkinan yang sedang dihadapi oleh Sistem Pakar Dalam mendeteksi kerusakan pada komputer. Dengan adanya sistem pakar ini penggunan tidak lagi kesulitan untuk menemui pakar.Kata Kunci: Sistem Pakar, Logika Fuzzy,Komputer,Pakar.
ANALISIS KINERJA VIDEO CONFERENCE PADA JARINGAN MOBILE IPV6 DENGAN TRIANGLE TUNNELING METHOD Multazam, Muhammad
Jurnal Explore Vol 9, No 2 (2019)
Publisher : STMIK Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v9i2.229

Abstract

Mobile IP merupakan protocol yang mendukung mobilitas dari user, dengan mobile IP sebuah node dapat terus berkomunikasi dengan node yang lain dimanapun dia berada. Mobile IPv6 memperbolehkan node yang telah mempunyai dukungan terhadap IPv6 untuk meninggalkan jaringan asalnya sementara node tersebut sedang memperbarui koneksinya ke internet. Hal ini berarti bahwa mobile IPv6 bisa mengidentifikasi tiap-tiap node dengan static address-nya, tanpa memperhatikan point of attachment nya ke internet.Mobile IPv6 yang digunakan pada makalah ini memakai metode triangle tunneling yaitu metode perutean pengiriman paket dimana ketika correspondent node (CN) mengirimkan paket menuju mobile node (MN), home agent (HA) mengambil alih paket tersebut dan mengirimkannya ke care of address dari MN dengan tunneling, sedangkan MN dapat mengirimkan langsung menuju CN. Pada makalah ini dilakukan pengujian video conference (multipont) pada jaringan Mobile IPv6 dengan metode triangle tunneling untuk diukur parameter-parameter QoS meliputi packet loss, delay, jitter, throughput dan MOS.Berdasarkan hasil uji coba dengan memperhatikan parameter-parameter QoS yang dianalisa terlihat bahwa kualitas MN yang berada di jaringan asalnya (homenet) lebih baik ketika berada di jaringan yang sedang dikunjungi (visitnet), hal ini disebabkan dengan metode triangle tunneling paket yang dikirim menuju MN dirutekan ke HA terlebih dahulu sehingga meningkatkan trafik jaringan, selain itu pada uji coba handover terdapat nilai rata-rata delay yang cukup besar yaitu 3.367 detik untuk paket video dan 3.269 detik untuk paket audio, karena pada saat handover, MN membutuhkan waktu untuk memperbaharui koneksi dan melakukan konfigurasi ulang jaringan yang ada.
MODEL KLASIFIKASI SEL KANKER PAYUDARA DENGAN PENDEKATAN OVERSAMPLING DATA DAN SELEKSI FITUR Pradipta, Gede Angga
Jurnal Explore Vol 9, No 2 (2019)
Publisher : STMIK Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/explore.v9i2.317

Abstract

Pada umumnya, kanker payudara didiagnosis melalui pemeriksaan rutin atau ketika pasien menyadari gejala-gejala tertentu. Pemeriksaan fisik saja tidak cukup untuk mengonfirmasi diagnosis kanker payudara, sehingga dilakukan perangkaian prosedur pemeriksaan seperti mamografi, biopsi,dan lain sebagainya untuk memperoleh informasi terkait diagnosis dan kebutuhan terapi pasien. Salah satu data penunjang diagnosis oleh paramedis adalah sel kanker berupa citra mikroskopis yan diamnbil dari tubuh pasien menggunakan kamera khusus. Pengolahan citra membantu paramedis sebagai penyedia informasi dalam meningkatkan diagnosa terhadap penyakit. Pada penelitian ini dilakukan proses pengolahan citra untuk mengetahui ciri dari jua jenis sel kanker yaitu benign dan malignant. Metode gray level co-occurence matrix (GLCM) dan statitical analysis digunakan untuk mendapatkan nilai dari fitur yang digunakan sebagai parameter.Fitur-fitur yang digunakan adalah contrast, energy, correlation, homogenity, average, mean, min, variance, dan standard deviation selain itu diusulkan sebuah fitur yaitu jumlah sel pda tiap kategori jenis kanker payudara. Pada penelitian ini menghasilkan sebuah skema atau usulan model yang digunakan untuk mengenali jenis citra sel kanker payudara kedalam dua kelas yaitu malignant dan benign. Skema model pertama yaitu tanpa oversampling dan seleksi fitur menunjukkan hasil yang kurang memuaskan dimana akurasi yang didapat hanya mencapai 63.94%. Maka dari itu diusulkan skema/model perbaikan dengan penambahan proses oversampling (SMOTE) pada dataset yang dimiliki dan melakukan seleksi fitur yang sebelumnya berjumlah 24 kemudian diseleksi menjadi 5 terbaik yang memiliki kontribusi paling tinggi dengan menggunakan metode Correlation based Feature Selection (CFS). Hasil yang didapat adalah 5 fitur terbaik yaitu Jumlah sel, correlation 45, energy 180, Min, Class. Hasil ini juga membuktikan bahwa fitur jumlah sel yang diusulkan pada penelitian ini memiliki kontribusi yang sangat baik pada performa classifier dalam membedakan kelas malignant dan benign pada datase

Page 2 of 2 | Total Record : 13

 1   2 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 12, No 1 (2022) VOL 11, NO 2 (2021) Vol 11, No 1 (2021) Vol 10, No 2 (2020) Vol 10, No 1 (2020) Vol 9, No 2 (2019) Vol 9, No 1 (2019) Vol 9, No 1 (2019) Vol 8, No 2 (2018) Vol 8, No 2 (2018) Vol 8, No 1 (2018) Vol 7, No 2 (2017) Vol 7, No 1 (2017) Vol 6, No 2 (2016) More Issue