cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wahyu Andhyka Kusuma
Contact Email
kusuma.wahyu.a@gmail.com
Phone
+628973127396
Journal Mail Official
-
Editorial Address
Jl. Tlogomas 246 Malang
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Repositor
Published by Universitas Muhammadiyah Malang
ISSN : 27147975     EISSN : 27161382     DOI : http://dx.doi.org/10.22219
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Repositor dipublikasikan oleh Universitas Muhammadiyah Malang dan dikelolah Program Studi Informatika. Jurnal Repositor merupakan jurnal ilmiah dengan ruang lingkup keilmuan bidang ifnormatika. Jurnal ini mempublikasikan hasil penelitian, telaah ilmiah dan serangkaian hasil studi yang berkaitan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 360 Documents
 23   24   25   26   27 
Perancangan Aplikasi Pengenalan Adat Di Indonesia Untuk Sdn Depok Baru Satu Berbasis Android Theo Ilhamy De Raja Simamora; Eko Harli; Ade Lukman Nulhakim
Jurnal Repositor Vol 3 No 3 (2021): Mei 2021
Publisher : Universitas Muhammadiyah Malang

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

Abstract

Seiring perkembangan modernisasi dalam bidang pendidikan dalam hal pengenalan kebudayaan Indonesia, penelitian ini ditujukan untuk membantu tenaga pendidik dalam mengenalkan budaya adat yang ada di Indonesia terutama tentang rumah adat, pakaian adat, senjata adat dan alat musik daerah kepada generasi muda. Penelitian ini menggunakan metodologi Research and Development (R&D) untuk menghasilkan produk tertentu dan menguji keefektifan produk tersebut. Penelitian ini juga menggunakan algoritma flowchart yang merupakan gambaran secara grafik dari langkah-langkah dan urutan prosedur suatu program. Dan dalam metode pengumpulan data menggunakan 3 metode yaitu studi pustaka, Penelitian lapangan dan dokumentasi. Diharapkan penelitian ini dapat berguna dalam membantu perkembangan pendidikan khususnya dalam pengenalan budaya Indonesia.
Klasterisasi Citre Liburan Secara Otomatis Berbasis Segmentasi Area Menggunakan Metode K-Means Linggar Bagas Saputro; Yufis Azhar; Agus Eko Minarno
Jurnal Repositor Vol 2 No 11 (2020): November 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i11.991

Abstract

Mengabadikan momen liburan merupakan hal yang biasa dilakukan wisatawan atau wisatawan domestik. Pada kamera digital citra tersimpan dalam bentuk file yang disimpan pada memori. Dalam memori citra yang tersimpan tidak tertata dengan rapi. Banyak dan beragamnya lokasi atau momen yang diabadikan menyulitkan dalam pengelompokan citra. Dalam hal ini diperlukannya pengelompokan citra liburan untuk mempermudal dalam pengelompokkan citra berdasarkan lokasi. Dataset yang digunakan merupakan dataset citra liburan berjumlah 5000 data dari 49 lokasi wisata. Algoritma yang digunakan dalam penelitian ini adalah K-means. Kmeans merupakan salah satu teknik clustering yang terkenal mudah dan mampu mengklaster data besar dengan cepat. Pada penelitian ini citra disegmentasi menjadi 5 area, segmentasi digunakan pada pengujian untuk membandingkan dengan citra tanpa menggunakan segmentasi, untuk melihat keakuratan yang diperoleh pada penelitian. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklaster citra liburan dengan baik. Hal ini dapat dibuktikan bahwa dalam 4 kali pengujian 3 diantaranya model segmentasi 5 lebih unggul dibandingkan model tanpa segmentasi.
Remote Control Monitoring Simtem Irigasi Sprinkler Berbasis IoT Pada Tanaman Hortikultura Fakhrul Nasrulloh; Galih Wasis Wicaksono; Zamah Sari
Jurnal Repositor Vol 2 No 10 (2020): Oktober 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i10.1035

Abstract

Dengan adanya lahan pertanian yang melimpah di Indonesia maka diperlukan suatu perencanaan jaringan irigasi yang lebih modern, berteknologi dan berinovasi. Hal tersebut dilakukan guna menunjang sistem irigasi yang baik sehingga mampu menghasilkan kualitas pertanian yang bagus. Remote control monitoring sistem irigasi sprinkler berbasis IoT (Internet of Things) merupakan rancangan jaringan irigasi sprinkler yang bisa digunakan dari jarak jauh menggunakan smartphone. Dimana pada sistem irigasi tersebut mengikuti perkembangan teknologi yang sudah berkembang di Indonesia saat ini yaitu industri 4.0. Desain dan rancangan komponen mikrokontroler sistem jaringan irigasi sprinkler berbasis IoT dapat terintegrasi dengan smartphone pada Blynk App dan tentunya terkoneksi dengan jaringan internet. Untuk terwujudnya suatu sistem irigasi sprinkler perlu dilakukan implementasi dan pengujian hardware maupun software guna mengetahui kinerja dari sistem irigasi. Mikrokontroler pada sistem irigasi sprinkler ini menggunnakan ESP8266 NodeMCU v3. Pemrograman pada board ESP8266 NodeMCU menggunakan bahasa pemrograman yang sama dengan Arduino yaitu bahasa C/C++ dan untuk melakukan pengembangan pemrograman juga support dengan software Arduino IDE. Komponen mikrokontroler yang dibahas dalam penelitian ini ialah kontroler motor servo, water flow sensor, dan soil moisture sensor. Penelitian ini dilakukan di Laboratorium terbuka milik Universitas Islam Malang (UNISMA) dengan lahan asli persawahan ukuran 10x10 meter dan tanpa memperhatikan faktor cuaca.
Prediksi Permintaan Beras Mengggunakan Jaringan Syaraf Tiruan Algoritma Backpropagation (Studi Kasus: CV.PUSPA) Silcillya Ayu Astiti; Gita Indah Marthasari; Yufis Azhar
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1395

Abstract

Indonesia sebagai negara yang mayoritas penduduknya memilih beras sebagai sumber pangan utama, di tahun 2020 mengalami penurunan pola konsumsi yang mengakibatkan permintaan beras yang seharusnya stabil menjadi berkurang. Menurunnya daya beli masyarakat akan beras berdampak pada beberapa penyetok beras atau yang biasa disebut dengan agen beras untuk membeli beras pada perusahaan produksi beras. Untuk meminimalisir kerugian yang dialami oleh perusahaan produksi beras, terdapat salah satu cara yang dapat diterapkan, yaitu dengan melakukan peramalan data menggunakan metode jaringan syaraf tiruan backpropagation yang pada penelitian ini data yang digunakan merupakan data permintaan beras Perusahaan CV. PUSPA yang bersifat time series. Skenario pemodelan pada penelitian menerapkan 1-5 hidden layer dengan jumlah neuron hidden yang berbeda di setiap percobaannya. Hasil yang diperoleh memperlihatkan bahwa menggunakan jaringan syaraf tiruan backpropagation menunjukkan prediksi yang baik yang pada penelitian ini hasil terbaik terdapat pada arsitektur 7-50-200-300-250-300-1 dengan MSE = 0.001278, RMSE = 0,301950 di proses pelatihan dan hasil MSE = 0.002391, RMSE = 0.204972 di proses pengujian.
Perbandingan Feature Selection Chi-Square Dan Query Expansion Ranking (QER) Pada Analisis Sentimen Terkait Revitalisasi Monas Menggunakan Metode Naïve Bayes Classifier Roni Hadi Wijaya; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1314

Abstract

Monumen Nasional menjadi salah satu destinasi yang cukup populer. Di awal tahun 2020, taman Monumen Nasional dilakukan revitalisasi. Dengan adanya kebijikan tersebut, mengundang banyak kalangan untuk memberikan tanggapan secara langsung maupun lewat social media. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur chi-square dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil klasifikasi naïve bayes classifier yang didapatkan dengan seleksi fitur query expansion ranking sebesar 80% dengan variasi rasio seleksi fitur 75%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi naïve bayes classifier dengan seleksi fitur chi-square menggunakan variasi rasio 75% dengan akurasi 79%.
Rancang Bangun Aplikasi MakotaMu Berbasis Android (Kasus: Sistem Informasi Majelis Tabligh PDM Kota Malang) Muhammad Syofi Azmi; Ilyas Nuryasin; Evi Dwi Wahyuni
Jurnal Repositor Vol 4 No 1 (2022): Februari 2022
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v4i1.1294

Abstract

Ketersediaan informasi jadwal khatib masjid Muhammadiyah Malang dan booklet Uswatun Hasanah merupakan hal penting untuk memperluas dakwah Muhammadiyah yang ada di Malang. Oleh karena itu, tugas akhir ini ada untuk berusaha menjadi solusi dengan memanfaatkan teknologi yang ada untuk membuat platform berupa aplikasi berbasis android yang menjadi jembatan informasi seputar Muhammadiyah Malang. Penulis menggunakan metode incremental dalam membangun aplikasi di mana fungsi prioritas akan dibuat terlebih dahulu sebelum fitur-fitur pelengkap lain dibuat. Kemudian untuk mendesain aplikasi MakotaMu penulis menggunakan metode User Centered Design (UCD) dengan alat dokumen requirement checklist, di mana dokumen ini akan diperiksa dan divalidasi langsung oleh stakehloder. Aplikasi yang diberi nama MakotaMu ini diuji menggunakan metode black box testing yang menghasilkan aplikasi dapat berfungsi dengan baik dan dapat digunakan oleh pengguna. Berdasarkan hasil pengujian usabilty menggunakan kuesioner SUS di mana aplikasi MakotaMu mendapatkan skor 78 dengan grade “B” termasuk dalam kategori aplikasi yang acceptable, maka dapat disimpulkan bahwa aplikasi MakotaMu dapat diterima dan mudah digunakan.
Algoritma Support Vector Machine (SVM) Untuk Identifikasi Komponen Abstrak Pada Jurnal Ilmiah Berbasis Teknik Klasifikasi Titin Eka Puspitawati; Setio Basuki; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1389

Abstract

Penelitian yang dipublikasikan dalam bentuk jurnal setiap tahunya selalu ada yang baru dan semakin banyak, untuk bias dapat suatu informasi tertentuxyang akan dibutuhkan dari sebuahmpenelitian akan sulit dan memakan waktu lama. Sepertimhalnya mencari sebuahxinformsi tertentumdengen membaca keseluruhan abstrak secarapsatu-persatu yang tidak efektif. Oleh karena itu dengan harapan adanya pembangunan sistem yang mampu menganbil informasi tertemtu dari sebuagh dokumen secara tepat dan otomatis. Penelitian ini menggunakan pendekatan pembelajaran klasifikasi. Pada penelitian ini penulis menggunakan Algoritma Support Vector Machine. Hasil dari sistem adalah untuk melakukan klasifikasi informasi permasalahan umum, permasalahan khusus, solusi yag diusulkan, hasil, pembahasan dan implikasi, keywords dan lain-lain dari abstrak sebuah jurnall ilmiah dan mengukur kinerja dari sistem ini.
Prediksi Harga Emas Menggunakan Metode Time Series Long Short - Term Memory Neural Network Fatimah Defina Setiti Alhamdani; Gita Indah Marthasari; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1378

Abstract

Emas merupakan salah satu alat investasi populer dikalangan masyarakat yang tahan akan inflasi. Namun kegiatan investasi emas memiliki resiko berjenis data time series. Sehingga masyarakat perlu memilliki ilmu sebagai pegangan saat melakukan kegiatan investasi emas yaitu dengan memprediksi harga emas di masa depan untuk meminimalisasi resiko. Long Short-Term Memory merupakan turunan dari metode RNN yang dapat digunakan dalam memprediksi pada data time series. Penelitian ini bertujuan untuk memprediksi harga emas dari data time series per 1 hari yang telah dikumpulkan dari website harga-emas.org untuk mengetahui nilai error prediksi menggunakan metode LSTM. Analisis parameter yang dilakukan pada penelitian ini adalah jumlah neuron hidden, learning rate, dan epoch. Kombinasi parameter terbaik yang dihasilkan pada penelitian ini adalah 16 neuron hidden, learning rate 0.01, dan 100 epoch. Nilai terbaik yang dihasilkan pada penelitian ini adalah RMSE 9139,14318 dan MAPE 0,69794%. Perhitungan error MAPE terbaik pada penelitian ini dengan penelitian “Prediksi Harga Emas Menggunakan Feed Forward Neural Network dengan Metode Extreme Learning Machine” yang menghasilkan MAPE terbaik 0,8065%. Hasil tersebut menunjukkan bahwa error MAPE pada penelitian ini lebih baik daripada penelitian tersebut dan model yang terbentuk dapat dikatakan sangat bagus karena nilai MAPE terbaik yang dihasilkan dibawah 10%.
Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naïve Bayes Classifier Terhadap Kata Kunci “#Asiangames2018” Abdy Yoga Syantara; Evi Dwi Wahyuni; Vinna Rahmayanti Setyaning Nastiti
Jurnal Repositor Vol 3 No 5 (2021): November 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i5.1398

Abstract

Data pengguna twitter di tahun 2016 ada 77% yang aktif dan 4,1 miliar tweet. Selain fungsi twitter sebagai media informasi, twitter juga memungkinkan setiap penggunanya menulis dan berbagi segala hal dengan menggunakan hashtag atau biasa dilambangkan dengan “#”. Asian Games merupakan pesta olahraga Asia yang diselenggarakan setiap empat tahun sekali, dan melibatkan atlet-atlet dari seluruh Asia dimana acara bergengsi ini diorganizir oleh Olympic Council of Asia (OCA). Dengan begitu tujuan dari penelitian ini adalah untuk melihat sentiment masyarakat pada event Asian Games dengan memanfaatkan metode Naïve Bayes Classifier. Dataset yang diambil dari Twitter nantinya akan memasuki tahapan preprocessing. Hasil dataset tersebut nantinya akan dianalisa dengan metode Naïve Bayes Classifier dan menghasilkan prediksi nilai positif sebesar 27%, negatif sebesar 10% dan netral sebesar 16%. Dan hasil pengujian dengan akurasi sebesar 80,30%, serta precission, recall, dan f1-score masing masing sebesar 84%, 80%, dan 81%.
Perbandingan Algoritma Selection Feature Query Expansion Ranking dan Symmetrical Uncertainty Pada Instagram Terkait Sengketa ZEE di Perairan Natuna Dzur Rifqi Aziz; Nur Hayatin; Christian Sri Kusuma Aditya
Jurnal Repositor Vol 3 No 4 (2021): Agustus 2021
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v3i4.1328

Abstract

Algoritma Naïve Bayes adalah untuk menggabungkan probabilitas kata-kata dan kategori untuk memperkirakan probabilitas kategorikan dokumen. Naïve Bayes ini merupakan algoritma klasifikasi yang sering digunakan dalam sebuah penelitian salah satunya penelitian mengenai Sentimental Analysis. Dengan demikian, penelitian ini mencoba menganalisis ulasan dari masyarakat dengan metode naive bayes classifier dan membandingkan penggunaan seleksi fitur Symmetrical Uncertainty dan query expansion ranking untuk mengoptimalkan kinerja klasifikasi pada penelitian. Hasil pengujian yang diperoleh dengan menggunakan symmetrical uncertainty adalah tingkat accuracy sebesar 76%, precision sebesar 76%, dan recall sebesar 61%. Sedangkan hasil pengujian yang diperoleh dengan menggunakan query expansion ranking adalah tingkat accuracy sebesar 75%, precision sebesar 75%, dan recall sebesar 56%.

Page 25 of 36 | Total Record : 360

 23   24   25   26   27 

Filter by Year

2019 2023


Reset
Filter By Issues
All Issue Vol 5 No 4 (2023): November 2022 Vol 5 No 3 (2023): Agustus 2023 Vol 5 No 2 (2023): Mei 2023 (In Press) Vol 5 No 1 (2023): Februari 2023 Vol 4 No 4 (2022): November 2022 Vol 4 No 3 (2022): Agustus 2022 Vol 4 No 2 (2022): Mei 2022 Vol 4 No 1 (2022): Februari 2022 Vol 3 No 5 (2021): November 2021 Vol 3 No 4 (2021): Agustus 2021 Vol 3 No 3 (2021): Mei 2021 Vol 3 No 2 (2021): Februari 2021 Vol 2 No 12 (2020): Desember 2020 Vol 2 No 11 (2020): November 2020 Vol 2 No 10 (2020): Oktober 2020 Vol 3 No 1 (2021): Januari 2021 Vol 2 No 9 (2020): September 2020 Vol 2 No 8 (2020): Agustus 2020 Vol 2 No 7 (2020): Juli 2020 Vol 2 No 6 (2020): Juni 2020 Vol 2 No 5 (2020): Mei 2020 Vol 2 No 4 (2020): April 2020 Vol 2 No 3 (2020): Maret 2020 Vol 2 No 2 (2020): Februari 2020 Vol 2 No 1 (2020): Januari 2020 Vol 1 No 2 (2019): Desember 2019 Vol 1 No 1 (2019): November 2019 More Issue