cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
I Gede Pasek Suta Wijaya
Contact Email
gpsutawijaya@unram.ac.id
Phone
+62370631712
Journal Mail Official
jtika@unram.ac.id
Editorial Address
Program Studi Teknik Informatika, Fakultas Teknik Universitas Mataram Jl. Majapahit 62, Mataram, Lombok, NTB
Location
Kota mataram,
Nusa tenggara barat
INDONESIA
Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA )
Published by Universitas Mataram
ISSN : -     EISSN : 26570327     DOI : https://doi.org/10.29303/jtika
Core Subject : Science, Engineering,
Computer Science & IT Decision Sciences, Operations Research & Management Engineering
Jurnal Teknologi Informasi, Komputer dan Aplikasinya disingkat dengan JTIKA diterbitkan oleh Program Studi Teknik Informatika Fakultas Teknik Universitas Mataram sebagai wadah publikasi hasil penelitian original dalam di bidang teknologi informasi, ilmu komputer dan aplikasinya. JTIKA adalah open access jurnal dengan online ISSN 2657-0327 dan proses review secara blind dan peer-review yang dilakukan oleh sekurang-kurangnya 2 orang reviewer. JTIKA memiliki Jumlah terbitan sebanyak 2 kali dalam setahun yaitu pada bulan Maret dan September. Tujuan utama JTIKA adalah sebagai media untuk mempublikasikan artikel hasil penelitian, inovasi aplikasi, studi perbandingan yang berkualitas baik dan mengikuti perkembangan dan tren teknologi baru dibidang Teknologi informasi, Komputer adan Aplikasinya. Artikel yang dipublikasikan pada JTIKA dapat ditulis dalam bahasa Indonesia maupun bahasa Inggris.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 195 Documents
 5   6   7   8   9 
Sistem Pakar Diagnosis Penyakit Tanaman Padi Menggunakan Forward Chaining dan Dempster Shafer Dianmita Ayu Putri; Arik Aranta
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 2 No 2 (2020): September 2020
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v2i2.113

Abstract

Rice (Oryza sativa) is one of the main commodities in Indonesia. One of the inhibitors of rice crop production is disease. Rice plant diseases can be caused by pathogens, host plants or bad environment. The process of diagnosing rice diseases requires expertise, knowledge and experience. This study aims to build an expert system that can diagnose 13 types of rice plant diseases from 43 symptoms based on the knowledge of 3 experts with forward chaining reasoning methods and mobile-based dempster shafer calculation methods. The testing technique used is black box testing, theoretical calculation testing, system accuracy testing and MOS (Mean Opinion Score) testing. The black box test results state that the expert system has 100% compatibility in terms of functionality. The theoretical calculation test results state that the expert system calculations are in accordance with the results of manual calculations. System accuracy testing results from 30 test cases get an accuracy of 81.11%. The results of MOS testing conducted on 30 respondents produced MOS of 4.2 from a scale of 5 categorized into a good system.
Deteksi Api Pada Video Menggunakan Metode Artificial Neural Network Budiman Rabbani; Ramaditia Dwiyansaputra
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.114

Abstract

Abstract The camera is one of the tools used to collect images. Cameras are often used for the safety of homes, highways and others. Then in this study camera captures are used to support fire objects because fire is one of the causes of safety that can be controlled. Therefore, by utilizing a capture camera will see the best model of backpropagation neural network by combining the local binary patern (LBP) feature extraction method and the Gray Level Co-occurrence Matrix (GLCM) to access the fire. Then to evaluate the performance of the model created using three parameters that contain accuracy, recall, precision. The data in this study consisted of videos with variations of fire and non-fire videos. Based on the final results of the study, accuracy, remember, the best precision obtained simultaneously 96%, 97%, 97%. Then the validation process was done using 30 videos with a variation of 15 fire videos and 15 non-fire videos and obtained an accuracy of 86.6% with an average time value of 6.029 minutes.
Sistem Pakar untuk Mendiagnosis Gangguan Mental pada Anak Menggunakan Metode Forward Chaining dan Certainty Factor Salma Nabilla Ulpa; Fitri Bimantoro
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 2 No 2 (2020): September 2020
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v2i2.117

Abstract

Mental health problems in children, such as stress, anxiety, or depression are real and these problems are as important as physical health problems, but many children do not get the care they need so an artificial intelligence technology such as an expert system can help diagnose the disorder mentally in children early. This research developed an expert system to diagnose mental disorders in children using the mobile-based Forward Chaining and Certainty Factor method that diagnoses 7 types of mental disorders in children from 46 symptoms obtained based on the knowledge of 3 experts. Based on the results of the black box testing states that the expert system that was built has had compatibility in terms of functionality. The results of the theoretical calculation test states that the calculation system of an expert diagnosis of a child's mental disorder is in accordance with the results of calculations done manually. In testing the accuracy of the system from 30 cases tested on 3 experts, the expert system that was built succeeded in producing system accuracy values ​​based on the final belief value of the three experts, based on the belief values ​​of experts 1, 2, and 3, respectively 91.11%, 96.67%, 96.67% and 80%. Furthermore, the results of MOS testing conducted on 35 respondents produce MOS of 4.12 from a scale of 5 where based on that value the expert system built is categorized into a good system.
Sistem Pakar Diagnosis Tanaman Cabai dengan Metode Forward Chaining dan Dempster Shafer Mega Laely; I Gede Pasek Suta Wijaya; Arik Aranta
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 2 No 2 (2020): September 2020
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v2i2.118

Abstract

Tanaman cabai (Capsicum Annum) merupakan salah satu komoditi hortikultura yang buahnya mempunyai nilai gizi cukup tinggi terutama kandungan vitamin A dan C. Secara nasional produktivitas dan luas panen cabai menjadi yang tertinggi dibandingkan komoditi hortikultura lainnya. Salah satu masalah pada tanaman cabai adalah serangan penyakit cabai yang dapat menurunkan kualitas dan kuantitas hasil produksi cabai. Penelitian ini bertujuan untuk mengembangkan sistem pakar yang dapat mendiagnosis penyakit tanaman cabai berdasarkan pengetahuan 3 pakar dengan menggunakan 7 data penyakit cabai dan 32 data gejala. Metode yang digunakan untuk memperoleh hasil diagnois yaitu, Forward Chaining dan Dempster Shafer. Penelitian ini menggunakan 4 teknik pengujian yaitu pengujian black box dengan hasil yang secara fungsionalitas sudah berjalan sesuai perancangan, pengujian dengan perhitungan teoritis pada 1 contoh kasus menghasilkan hasil perhitungan yang tepat dengan hasil perhitungan sistem, pengujian Akurasii sistem pada 30 contoh kasus menghasilkan Akurasii sistem berdasarkan rata-rata nilai belief 3 pakar sebesar 90% dan Akurasii sistem berdasarkan nilai belief masing-masing pakar sebesar 95,56%, pengujian Mean Opinion Score (MOS) menghasilkan nilai MOS sebesar 4,35 untuk mahasiswa Teknik Informatika, nilai MOS sebesar 4 untuk Pertanian, nilai MOS sebesar 4,68 untuk Penyuluh Pertanian, nilai MOS sebesar 4.54 untuk Petani.
Deteksi Api pada Video dengan Gaussian Mixture Model Untuk Deteksi Gerakan Dan Segmentasi Warna Api Dalam Ruang Warna YCbCr Ristirianto Adi; I Gede Pasek Suta Wijaya
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.125

Abstract

Fire is a disaster that can endanger lives and cause property loss. The solution to detect fire that is commonly used today is to use a sensor. Fire sensors can be used together with surveillance cameras (CCTV) which are now being installed in many office buildings. This study tries to build a model for detecting fire in video with a digital image processing approach using the Gaussian Mixture Model for motion detection and fire color segmentation in the YCbCr color space. The model is then tested with metrics for accuracy, precision, recall, and processing speed. The dataset used is in the form of videos with small, medium, large fire sizes, and videos that only have fire-like objects. The test results show that the algorithm is able to detect fire when the size of the fire is not too small or the position of the fire is close enough to the camera. For videos with a resolution of 800x600 and a framerate of 30 fps, it can achieve 66.89% accuracy, 73.77% precision, and 66.66% recall. The performance during the day is relatively better than at night. Algorithm processing speed is too slow to be implemented in real-time
Pengenalan Pola Tulisan Tangan Aksara Arab Menggunakan Ekstraksi Fitur Discrete Cosine Transform Dan Klasifikasi Backpropagation Artificial Neural Network Farhan Yakub Bawazir; I Gede Pasek Suta Wijaya
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.127

Abstract

Arabic is a language that is spoken as the first or native language of more than 280 million people, most of whom live in the Middle East and North Africa. Apart from the Middle East and North Africa, Arabic is also familiar and often used in Indonesia because of the majority of Indonesia's population is Muslim and Arabic is the language of worship in Islam. The recognition of Arabic handwritten letters is one of the studies that has been done before, where the accuracy results obtained vary according to the research and methods used. This study aims to determine the accuracy resulting from the recognition of Arabic script handwriting patterns using a combination of the DCT(Discrete Cosine Transform) feature extraction method and the ANN Backpropagation classification method. The data used for this study were data from handwritten sources on A4 HVS paper using markers with categories of age from 7-13 years old and 18-23 years old with 15 respondents in each group and a total dataset image of 8400. Testing the best model model obtained on all images produces an accuracy of 80.79%, using the images of age range 17-23 years produces 87.27% accuracy, and the images of age range 7-13 produces an accuracy of 72.84%. Keywords: pengenalan pola, tulisan tangan, aksara, DCT, backpropagation
RANCANG BANGUN SISTEM INFORMASI KONSULTASI DAN PENJADWALAN FISIOTERAPI PENYAKIT BELL’S PALSY (STUDI KASUS KLINIK GRIYA FISIOTERAPIS) Rejalana Bayu Kurniawan; Nadiyasari Agitha; Royana Afwani
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.129

Abstract

AbstractBell's palsy is an acute paralysis of the prifer facial nerve of unknown cause and results in permanent disability ifnot treated properly. In this study, Development of Consultation Information System Scheduling Bell’s Palsy Diseasewas designed and built which can help in overcoming physiotherapy scheduling as well as recording medicalrecords, so that they can be well controlled and coordinated. The development method in information systems isdesigned using the RUP (Rational Unified Process) method, where testing using the RUP method is carried out usingblack box testing and using usability (questionnaires). In black box testing, the result is 1, which means that allfeatures are running correctly. In the usability test, the results obtained were 92.30% which was stated relativelyfeasible because the test was carried out on a physiotherapist, and 87.03% which was carried out with 30respondents who met the usability standard referred to in table I, namely the table of score interpretation criteriaor declared "Very Feasible", so the RUP method is a good method for system development.Kata Kunci: Metode Rational Unified Process, RUP, Sistem Informasi, Website, Klink Griya Fisioterapis
Penerapan Penerapan Data Mining dalam Mengelompokkan Data Riwayat Akademik Sebelum Kuliah dan Data Kelulusan Mahasiswa menggunakan Metode Agglomerative Hierarchical Clustering (AHC) Banu Harli Trimulya Suandi A.S.; Lisna Zahrotun
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.130

Abstract

Fakultas Teknologi Industri Universitas Ahmad Dahlan setiap tahun menerima mahasiswa baru dalam jumlah besar. Disisi lain, kelulusan mahasiswa yang lulus tepat waktu masih rendah sehingga rasio dosen dan mahasiswa semakin besar. Akibat lainnya adalah pengguna fasilitas kampus melebihi kapasitas dan kegiatan belajar mengajar menjadi tidak efektif, sehingga diperlukan tahapan berupa pengelompokan data mahasiswa berdasarkan data akademik sebelum kuliah dan data kelulusan mahasiswa yang dilakukan dengan teknik data mining untuk mengetahui kelompok-kelompok mahasiswa yang lulus tepat waktu di Fakultas Teknologi Industri. Penelitian ini menggunakan metode pengelompokan hierarki (Hierarchical Clustering). Tahapan dalam penelitian ini dari Load Data, Cleaning Data, Transformation Data dengan metode One Hot Encoding, Euclidean Distance, dan pengelompokan Agglomerative Hierarchical Clustering. Pengujian hasil cluster menggunakan Silhouette Coefficient, serta dilakukan evaluasi pola, dan representasi pengetahuan. Penelitian menghasilkan 158 mahasiswa yang direkomendasikan dan semuanya berasal dari Pulau Jawa dan rata-rata nilai matematika >= 80 pada dataset Informatika, Industri, dan Elektro, dan >=67 untuk Kimia. Diperoleh data yang direkomendasikan dengan jumlah data berturut-turut 43, 24, 19, dan 72 data. Pengujian Silhouette Coefficient memperoleh hasil yang sangat bagus dengan nilai berturut-turut sesuai prodi sebesar 0,868, 0,883, 0,879, dan 0,873.
Rancang Bangun Smart Trash Can Berbasis IOT (Internet Of Things) Untuk Petugas Sampah Perumahan Muh. Ardian Saputra; I Gde Putu Wirarama Wedaswara; Ariyan Zubaidi
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.134

Abstract

Sampah merupakan hasil buangan/output dari segala aktivitas manusia. Setiap hari manusia menghasilkan sampah, baik sampah organik maupun anorganik yang memiliki berbagai bentuk dan jenis. Tidak heran permasalahan tersebut juga banyak ditemukan di lingkungan Perumahan. Salah satu perumahan yang ada di Kota Mataram adalah perumahan Babakan Permai yang terletak di kelurahan Babakan, kecamatan Sandubaya, Kota Mataram. Penanganan masalah sampah di Perumahan Babakan Permai ditangani dengan cara penjadwalan untuk pengambilan sampah pada masing-masing rumah. Sampah di ambil setiap 2 kali seminggu oleh petugas sampah perumahan. Hal ini memiliki kekurangan yaitu potensi penumpukan sampah pada tiap rumah meningkat. Penumpukan sampah sangat mengganggu warga di lingkungan sekitar baik dari segi kebersihan maupun kesehatan Dengan demikian, permasalahan tersebut dapat di atasi dengan membuat alat Smart Trash Can yang dapat mempermudah petugas sampah di perumahan. Tugas akhir ini berupa prototype tempat sampah pintar yang dapat memonitoring tempat sampah. Hal tersebut dapat dilakukan dengan menerapkan konsep IoT (Internet of Things) yang memanfaatkan internet. Protokol yang digunakan dalam IoT adalah MQTT (Message Queuing Telemetry Transport) yang bersifat lightweight message dan didesain untuk perangkat-perangkat dengan sumber daya terbatas. Dengan konsep IoT, monitoring tempat sampah dilakukan dengan menggunakan beberapa sensor seperti penggunaan sensor berat (load cell) sebagai deteksi berat sampah, modul HX711 sebagai konversi nilai berat load cell dan sensor magnetic switch untuk mengetahui bukaan/tutupan tempah sampah yang di rangkai dengan mikrokontroler.
Pengenalan Pola Tulisan Tangan Aksara Arab Menggunakan Metode Convolution Neural Network Nanang Kasim; Gibran Satya Nugraha
JTIKA (Jurnal Teknik Informatika, Komputer dan Aplikasinya) Vol 3 No 1 (2021): March 2021
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jtika.v3i1.136

Abstract

Bahasa Arab adalah bahasa yang dijumpai pada kitab suci agama Islam yaitu berupa Al-Qur’an. Belajar bahasa Arab dengan mengenali bentuk hurufnya merupakan metode yang sangat efektif. Pengenalan pola tulisan tangan aksara Arab merupakan salah satu penelitan yang pernah dilakukan sebelumnya, dimana hasil akurasi yang di dapatkan bervariasi sesuai dengan metode penelitian yang digunakan. Pengenalan pola aksara Arab memiliki banyak tantangan salah satu berbedanya gaya tulisan tangan dan karakter tulisan setiap orang. Penelitian ini bertujuan untuk membangun model machine learning dan mengetahui akurasi yang dihasilkan dari pengenalan pola tulisan tangan aksara Arab menggunakan metode convolution neural network, serta memperbaiki beberapa kekurangan pada penelitian pengenalan pola aksara Arab menggunakan metode CNN yang pernah dilakukan sebelumnya. Convolution neural network merupakan metode klasifikasi dengan memberikan label pada saat melakukan pembelajaran atau tergolong ke dalam supervised learning. Data yang digunakan untuk penelitian ini merupakan data yang bersumber dari tulisan tangan di kertas HVS A4 menggunakan spidol dengan dua kategori yaitu usia 5 sampai 20 tahun dan usia 20 tahun ke atas baik yang sudah pernah belajar aksara Arab maupun belum pernah belajar aksara Arab guna didapatkannya variasi tulisan tangan.

Page 7 of 20 | Total Record : 195

 5   6   7   8   9 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol 7 No 2 (2025): September 2025 Vol 7 No 1 (2025): Maret 2025 Vol 6 No 2 (2024): September 2024 Vol 6 No 1 (2024): March 2024 Vol 5 No 2 (2023): September 2023 Vol 5 No 1 (2023): March 2023 Vol 4 No 2 (2022): September 2022 Vol 4 No 1 (2022): March 2022 Vol 3 No 2 (2021): September 2021 Vol 3 No 1 (2021): March 2021 Vol 2 No 2 (2020): September 2020 Vol 2 No 1 (2020): March 2020 Vol 1 No 2 (2019): September 2019 Vol 1 No 1 (2019): March 2019 More Issue