CSRID (Computer Science Research and Its Development Journal)
CSRID (Computer Science Research and Its Development Journal) adalah jurnal ilmiah yang diterbitkan oleh LPPM Universitas Potensi Utama bekerjasama dengan Assosiasi profesi bidang ilmu komputer, Indonesian Computer Electronics and Instrumentation Support Society (IndoCEISS) dan CORIS (Cooperation Research Inter University). CSRID mengundang para peneliti dan praktisi untuk mengirimkan manuskrip ilmiah hasil dari penelitian maupun pengembangan teknologi di bidang-bidang pengolahan citra, penggalian data, visi komputer, dan penerapan dan rekayasanya dalam dunia nyata.
Articles
6 Documents
Search results for
, issue
"Vol 10, No 2 (2018): CSRID Juni 2018"
:
6 Documents
clear
<![CDATA[Sistem Pakar Untuk Menentukan Jurusan Kuliah Berdasarkan Minat dan Bakat Siswa SMA Dengan Menggunakan Metode Forward Chaining ]]>
<![CDATA[Mulyani, Evi Dewi Sri]]>;
<![CDATA[Hidayat, Cepi Rahmat]]>;
<![CDATA[Ulfa, Tammy Chintya]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (340.878 KB)
|
DOI: 10.22303/csrid.10.2.2018.80-92
<![CDATA[Pendidikan merupakan suatu hal yang sangat penting bagi seorang manusia, dengan perkembangan dunia saat ini menuntut setiap orang untuk memiliki pendidikan setinggi mungkin. Kemudahan dalam segala aktivitas maupun pekerjaan menjadi hal yang sangat diinginkan oleh manusia, tanpa pendidikan yang baik, maka sulit untuk mendapatkan segala kemudahan tersebut. Jurusan merupakan suatu pilihan seorang pelajar yang harus disesuaikan dengan minat dan bakatnya, sehingga dalam hal ini pemilihan jurusan sangatlah penting bagi masa depan seorang pelajar yang akan melanjutkan studinya ke perguruan tinggi. Namun pada kenyataanya keputusan yang diambil dalam memilih jurusan seringkali menyebabkan masalah, akibat jurusan yang diambil hanya mengikuti pilihan temannya atau atas dasar paksaan dari orang tua. Sehingga menyebabkan banyaknya pelajar yang merasa tidak sesuai dengan harapan atau kemampuan dan ingin pindah jurusan saja. Untuk itu dibuatlah aplikasi sistem pakar yang dapat memberikan kemudahan bagi siswa dalam menentukan jurusan kuliahnya dan dapat membantu mengetahui kecerdasan apa yang dimiliki oleh siswa tersebut. Metode yang digunakan dalam pembuatan sistem pakar ini adalah metode Forward Chaining. Dengan adanya sistem pakar untuk menentukan jurusan berdasarkan minat dan bakat ini dapat membantu siswa dalam menentukan pilihan jurusannya dan mengetahui kecerdasan yang dimiliki tanpa harus bertemu langsung dengan psikolog.]]>
<![CDATA[Pemantauan Jarak Jauh Menggunakan Mikrokontroler ]]>
<![CDATA[Sudir, Mat]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (216.53 KB)
|
DOI: 10.22303/csrid.10.2.2018.101-110
<![CDATA[Fenomena fisika yang tergolong indikator kenyamanan suatu ruang. Secara fisik, manusia dapat merasakan keadaan panas dan atau gerah melalui peristiwa sensing indera dan dikategorikan data kualitatif. Akan tetapi, secara kuantitatif, dibutuhkan data yang dapat diolah dan ditampilkan secara visual sebagai dasar intepretasi dalam suatu sistem. Pada penelitian ini akan dirancang simulasi koneksi dari pemantauan jarak jauh dengan menggunakan mikrokontroler. Sistem pemantauan waktu nyata berbasis Internet of Things (IoT) yang akan memantau fenomena fisika berupa suhu dan kelembaban di ruang. Data akan diolah untuk dilakukan visualisasi ulang. Untuk kemudian dihitung nilai selisih dari masing pengukuran (dalam identitas waktu yang sama). Nilai selisih ini akan dipergunakan untuk menghitung tingkat pergeseran informasi situs (hasil akuisisi NodeMCU) dengan pengukuran lokal (hasil akuisisi). Sistem berbasis Internet of Things (IoT) adalah sistem yang memanfaatkan teknologi internet sebagai wadah distribusi informasi. Pemanfaatan mikrokontroler sudah banyak diterapkan pada kegiatan yang melingkupi aktivitas umum masyarakat. Mulai dari otomasi bangunan sampai ke pembuatan bangunan cerdas. Simulasi alur koneksi tersebut akan di kaji lebih lanjut dalam evaluasi sistem yang akan di bangun nantinya.]]>
<![CDATA[Aplikasi Sistem Penilaian Penguji Berbasis YII Framework Sebagai Media Input Nilai Mahasiswa Sidang Tugas Akhir Dan Skripsi Pada Perguruan Tinggi ]]>
<![CDATA[Febriyanto, Erick]]>;
<![CDATA[Handayani, Indri]]>;
<![CDATA[Suprayogi, Danang]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (372.922 KB)
|
DOI: 10.22303/csrid.10.2.2018.111-123
<![CDATA[Pengembangan sistem merupakan sebuah bentuk upaya untuk meningkatkan kualitas sistem agar lebih berinovasi. Perguruan Tinggi Raharja merupakan salah satu perguruan tinggi ilmu komputer yang memiliki banyak sistem dalam mendukung kegiatan akademiknya. Pada Perguruan Tinggi Raharja terdapat sistem Penilaian Sidang Skripsi dan Tugas Akhir yang memberikan kemudahan bagi dosen sebagai media untuk memberikan penilaian sidang skripsi atau tugas akhir. Sistem Penilaian Penguji sangatlah penting dalam proses berjalannya sidang skripsi atau tugas akhir, karena memudahkan dosen dalam memberikan penilaian kepada hasil penelitian skripsi mahasiswa. Namun, pada sistem penilaian penguji saat ini memiliki permasalahan yaitu masih menggunakan jaringan lokal yang tentunya masih menggunakan kabel UTP sebagai connectornya.Dari permasalahan itu maka perlu adanya pengembangan pada penilaian penguji agar dapat diakses pada sistem PESSTA+ sehingga menjadi lebih sistematis, terorganisir, dapat diakses secara online. Pada pengembangan sistem penilaian penguji ini menggunakan metode analisis swot dan elisitasi. Dan menggunakan salah satu Framework PHP yaitu Yii Framework.]]>
<![CDATA[Implementasi Metode Association Rule Mining Dengan Algoritma Apriori Untuk Rekomendasi Promo Barang ]]>
<![CDATA[Christyan Putra, Andreas Aditya]]>;
<![CDATA[Haryanto, Hanny]]>;
<![CDATA[Dolphina, Erlin]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (596.606 KB)
|
DOI: 10.22303/csrid.10.2.2018.90-100
<![CDATA[Perkembangan teknologi sangatlah cukup terasa bagi semua lini kehidupan tidak terkecuali dalam sektor dunia usaha perdagangan. Menjamurnya toko online merupakan salah satu dampak dari perkembangan teknologi yang merubah cara pola berpikir konsumen dalam bertransaksi. Walaupun banyak muncul toko online baru setiap tahun namun faktanya banyak juga toko online yang tidak bertahan lama, karena persaingan yang sangat ketat dan salah dalam strategi pemasaran. Kesalahan dalam promosi barang harus selalu diwaspadai oleh perusahaan supaya perusahaan tidak terlalu banyak mengeluarkan biaya promosi yang sebenarnya barang tersebut tidak disukai konsumen. Membaca pola transaksi konsumen merupakan salah satu cara dalam menghadapi masalah ini, oleh sebab itu pemanfaatan data mining tidak bisa dianggap remeh. Dalam proses data mining, metode asosiasi dengan algoritma apriori bisa menjadi solusi dalam masalah ini, dimana cara kerja algoritma ini yaitu mencari pola keterkaitan antar barang dari data transaksi penjualan, sehingga hasil dari penelitian ini dengan batasan minimal support 10% dan confidence 70% pada 30 data transaksi diketahui bahwa keterkaitan produk 34 dengan 33 sebesar 80% dan produk 49 dengan 51 sebesar 75% serta produk 51 dengan 49 sebesar 75% sehingga hasil informasi yang dihasilkan algoritma ini dapat dimanfaatkan dalam membuat sebuah promo barang yang sesuai oleh keinginan konsumen sendiri.]]>
<![CDATA[K-Means Algorithm to Group Students’ Academic Status at STMIK Palangka Raya ]]>
<![CDATA[Rusdiana, Lili]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (424.159 KB)
|
DOI: 10.22303/csrid.10.2.2018.124-134
<![CDATA[As one of clustering methods K-Means algorithm can be used to group 93 data of STMIK Palangka Raya students into 3 namely pass, active, and inactive. The stages of it produce 9 iterations since the displacement of the group in which there is a movement from one group to another because the change value of the object function. The iteration can be stopped at the 9th because the value of the object function change is below the given threshold value of 0.1 and the absence of group movement in the data used. The 9 iterations that occur indicate the rise and fall the change value of object function and data transfer in the location of the group.]]>
<![CDATA[Deteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan ]]>
<![CDATA[Amanullah, Raynaldi Fatih]]>;
<![CDATA[Pujianto, Ade]]>;
<![CDATA[Pratama, Bayu Trisna]]>;
<![CDATA[Kusrini, Kusrini]]>
<![CDATA[ CSRID (Computer Science Research and Its Development Journal) Vol 10, No 2 (2018): CSRID Juni 2018 ]]>
Publisher : <![CDATA[Universitas Potensi Utama ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (252.605 KB)
|
DOI: 10.22303/csrid.10.2.2018.69-79
<![CDATA[Penelitian ini mengajukan sebuah metode klasifikasi batik menggunakan ekstraksi fitur tekstur serta klasifikasi menggunakan jaringan syaraf tiruan (artificial neural network). Metode ekstraksi fitur tekstur yang digunakan adalah DWT, GLCM dan Local Binary Pattern (LBP). Ekstraksi fitur dengan GLCM dan DWT menghasilkan 24 fitur yang terdiri dari 5 fitur GLCM dan koefisien energi dalam 4 sub-band channel hasil dekomposisi. Sementara ekstraksi fitur dengan LBP dilakukan dengan membangun histogram dari matriks hasil LBP. Fitur-fitur tersebut kemudian menjadi masukan bagi jaringan syaraf tiruan untuk kemudian diklasifikasi dalam 5 jenis batik: buketan, ceplok, kawung, parang dan truntum. Dataset yang digunakan adalah 50 gambar batik (10 untuk setiap motif) yang diambil secara acak di internet. Pengujian dilakukan dengan membandingkan dua kelompok fitur: DWT-GLCM dan DWT-GLCM-LBP untuk mengetahui metode ekstraksi fitur yang lebih baik dalam deteksi motif batik. Metode pengujian yang digunakan adalah K-Fold Cross Validation dengan hasil berupa confusion matriks untuk kemudian dihitung nilai akurasi dan F-Measure-nya. Hasil pengujian menunjukkan bahwa penggunaan ekstraksi fitur tekstur DWT-GLCM-LBP mampu mencapai akurasi 74% dengan jenis dekomposisi Daubechies 4 level 3.]]>
