JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
JUSTINDO is a scientific journal managed by the informatics engineering study program at the university of muhammadiyah jember as a publication media for research articles in the field of systems and information technology which covers the following topics: Software engineering, Games, Information Retrieval, Computer networks, Telecommunication, Internet, Wireless technology, Network security , Multimedia technology, Mobile Computing, Parallel / Distributed Computing, Development, management and utilization of Information Systems, Organizational Governance, Enterprise Resource Planning, Enterprise Architecture Planning, e-Businness, e-Commerce, e-Learning, Data mining, Text mining, Data warehouse, Online Analytical Processing, Artificial Intelligence, Decision Support System, and Mathematics. JUSTINDO is issued twice a year in February and August. The editor invites research lecturers, reviewers, practitioners, industry, and observers to contribute to this journal. JUSTINDO provides a platform for scientists and academics throughout Indonesia to promote, share and discuss new issues and the development of information systems and information technology. JUSTINDO aims to achieve the theory and application of this sophisticated field. In 2017, JUSTINDO already has an ISSN both printed and online, for ISSN (Print) is 2502 - 5724 and for ISSN (Online) is 2541 - 5735.
Articles
156 Documents
<![CDATA[Pengembangan Sistem Deteksi Kesesuaian Dokumen Proposal Program Kreativitas Mahasiswa Dengan Metode Extended Weighted Tree Similarity ]]>
<![CDATA[Suharso, Wiwik]]>;
<![CDATA[A`yun, Qurrota]]>;
<![CDATA[Arifianto, Deni]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (270.252 KB)
|
DOI: 10.32528/justindo.v2i2.1044
<![CDATA[Dalam rangka meningkatkan kualitas proposal dan kuantitas perolehan dana hibah Program Kreativitas Mahasiswa (PKM), Tim seleksi internal di Perguruan Tinggi mengevaluasi kesesuaian dokumen digital proposal usulan mahasiswa dengan dokumen pedoman PKM yang berlaku. Evaluasi tersebut seringkali tidak optimal karena ketidakseimbangan jumlah anggota tim seleksi dan jumlah proposal yang ditangani serta perubahan ketentuan dalam setiap tahun pedoman baru. Proposal usulan mahasiswa umumnya memiliki kesalahan dalam sistematika penulisan, uraian isi, ketentuan kriteria dan persyaratan pengusul dalam skema yang dipilih sehingga upaya perbaikan membutuhkan banyak waktu, tenaga dan biaya. Oleh karena itu tujuan jangka panjang penelitian ini adalah tersedianya perangkat lunak sistem pendeteksian otomatis dokumen digital yang mampu mengidentifikasi kesalahan sistematika, isi dan ketentuan sesuai dokumen pedoman PKM yang berlaku. Target khusus yang akan dicapaia dalah ditemukannya model pendeteksian dokumen digital format pdf yang memiliki tingkat presisi dan akurasi tinggi sehingga dapat digunakan oleh tim seleksi internal sebagai alat bantu koreksi awal. Pemodelan ini memanfaatkan operasi text mining untuk mengidentifikasi isi dokumen dengan melibatkan serangkaian metode yaitu tokenizing, stoplist/wordlist, stemming, pembobotan kata TF-IDF dan kemiripan antar bagian dokumen dalam struktur tree dengan metode cosine measure yang dinyatakan dalam bentuk nilai bobot label node tree. Perhitungan kemiripan total rata-rata antara dua buah tree dokumen dengan metode Extended Weighted Tree Similarity menggambarkan hasil kesesuaian sejauh mana proposal mahasiswa telah menerapkan pedoman PKM. Prototipe perangkat lunak telah menghasilkan nilai auto matching antar bagian (sub tree) yang sama dan scoring antara dokumen proposal dan dokumen pedoman PKM. Data pelatihan dari proposal yang lolos pendanaan tidak selalu memiliki nilai tertinggi dibandingkan dengan data pengujian, sehingga kepatuhan terhadap pedoman harus diikuti oleh kualitas dari proposal yang diusulkan. Sebagian besar data pelatihan memiliki nilai tertinggi pertama dan kedua, sehingga kepatuhan terhadap pedoman menjadi pertimbangan dalam menentukan proposal yang didanai.]]>
<![CDATA[Game Edukasi Sebagai Media Pembelajaran Untuk Kelas IV SDN Banjarsugihan II Menggunakan Blender 3D ]]>
<![CDATA[Saurina, Nia]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 2 (2017): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (313.543 KB)
|
DOI: 10.32528/justindo.v2i2.1049
<![CDATA[Dunia animasi 3D di Indonesia sedang berkembang, namun software-software animasi komersial yang ada di pasaran biasanya sangat mahal dan tidak terjangkau oleh sebagian masyarakat. Hal ini adalah salah satu faktor penghambat perkembangan animasi di Indonesia, padahal masih banyak bakat-bakat yang belum terpoles namun berpotensi maju dalam bidang animasi. Game edukasi sebagai media pembelajaran menggunakan animasi 3D yang dibuat untuk menjelaskan alat bantu ajar mata pelajaran IPA, IPS dan Matematika dengan menggunakan teknologi animasi 3D. Mengubah materi dan ilustrasi berupa animasi 3D yang menarik sehingga siswa lebih mudah mengerti. Data yang di jadikan sebagai kebutuhan pembuatan aplikasi didapatkan dari wawancara kepada guru wali kelas dan guru pengampu mata pelajaran IPA, IPS dan Matematika di SDN Banjarsugihan II Surabaya. Metode pengembangan aplikasi yang digunakan adalah Rapid Aplication Development. Dengan teknologi yang digunakan, tools pembuatan 3 Dimensi blender dan Blender Game Engine untuk membuat aplikasi interaktif.]]>
<![CDATA[Analisa Perbandingan Operator Gradien Untuk Deteksi Tepi Pada Citra Wajah ]]>
<![CDATA[Rahman, Miftahur Rahman]]>;
<![CDATA[Dasuki, Moh. Dasuki]]>;
<![CDATA[Hidayatullah, Syarif Hidayatullah]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 3, No 1 (2018): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1302.162 KB)
|
DOI: 10.32528/justindo.v3i1.2203
<![CDATA[Deteksi tepi (edge detection) pada suatu citra adalah suatu proses dimana akan menghasilkan tepi-tepi dari suatu citra. Deteksi tepi pada dasarnya merupakan salah satu teknik analisa mutu citra pada domain spasial dan juga salah satu proses pengolahan citra digital yang paling awal dilakukan dan paling banyak diteliti. Deteksi tepi berfungsi untuk mengidentifikasi garis batas (boundary) dari suatu objek yang terdapat pada citra sehingga dapat dimanfaatkan untuk berbagai keperluan proses pengolahan citra selanjutnya. Beberapa implementasi deteksi tepi diantaranya adalah : pengenalan nomor mobil, segmentasi wajah, identifikasi wajah, pencocokan wajah, dan pengenalan tulisan. Dalam penelitian ini akan dilakukan perbandingan hasil keluaran dari penggunaan metode Roberts, Prewitt, dan Sobel yang merupakan operator gradien untuk mendeteksi tepi pada citra wajah. Dataset yang dipakai adalah citra wajah 2 dimensi. Hasil penelitan menyimpulkan bahwa pendeteksian tepi menggunakan operator gradien yaitu operator Roberts, Prewitt dan Sobel dapat diterapkan pada citra wajah. Operator Roberts merupakan operator yang paling sedikit menemukan pola tepi pada citra wajah daripada dua operator lainnya yaitu Prewitt dan Sobel. Sedangkan operator Sobel menghasilkan pola tepi yang lebih baik kualitas dan kuantitasnya daripada menggunakan operator Roberts, dan Prewitt.Kata Kunci : Deteksi Tepi, Operator Roberts, Operator Prewitt, Operator Sobel]]>
<![CDATA[Sistem Pendukung Keputusan Pemilihan Karyawan Berprestasi Di Universitas Muhammadiyah Jember Dengan Metode Profile Matching ]]>
<![CDATA[Umam, Miftah Chatibul]]>;
<![CDATA[Arifianto, Deni]]>;
<![CDATA[Cahyanto, Triawan Adi]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 3, No 2 (2018): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (754.974 KB)
|
DOI: 10.32528/justindo.v3i2.2255
<![CDATA[Instansi atau perusahaan merupakan tempat dimana karyawan bekerja dan mendapatkan penghargaan atas kinerja yang dicapai. Universitas Muhammadiyah (UM) Jember merupakan lembaga pendidikan yang setiap tahunnya memberikan penghargaan kepada karyawan yang berprestasi, biasanya akan diumumkan pada acara milad. Penelitian ini bertujuan untuk memilih karyawan berprestasi tingkat universitas di UM Jember. Metode yang digunakan dalam penelitian ini adalah metode Profile Matching (PM). Metode PM digunakan untuk membandingkan selisih nilai antara profil posisi yang disebut dengan gap. Metode PM ini memiliki beberapa tahapan dan perumusan dalam perhitungan meliputi pemetaan gap, pembobotan, perhitungan dan pengelompokan core dan secondary factor, perhitungan nilai total, dan perhitungan penentuan ranking. Jumlah kandidat karyawan berprestasi yang terseleksi sebanyak 10 orang dari keseluruhan jumlah karyawan UM Jember. Berdasarkan perhitungan sistem, karyawan berprestasi yang terpilih adalah Budiharto, S.H dengan nilai ranking adalah 4,79.Kata Kunci : Profile Matching, Karyawan Berprestasi]]>
<![CDATA[Prediksi Pembayaran Tagihan Listrik Menggunakan Model Artificial Neural Network ]]>
<![CDATA[Rahman, Miftahur]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 1 (2019): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (454.178 KB)
|
DOI: 10.32528/justindo.v4i1.2417
<![CDATA[Setiap saat daya listrik yang digunakan tidak sama disebabkan penggunaan energi yang dipakai setiap konsumen berbeda. Terjadinya fluktuasi penggunaan energi listrik berdampak pada pembayaran tagihan listrik setiap bulannya. Hal ini terjadi pada pembayaran biaya tagihan listrik di Pesantren Sukorejo Jawa Timur. Biaya pembayaran yang dilakukan setiap bulan tidak menentu tergantung pemakaian dan juga terdapat kekeliruan dalam mengestimasi anggaran. Disebabkan, dalam melakukan prediksi masih belum ditemukan metode yang tepat. Sehingga, dari data yang ada ini penting untuk dilakukan analisis prediksi. Prediksi biaya tagihan listrik bertujuan untuk menghasilkan prediksi yang lebih akurat yang selanjutnya digunakan sebagai pedoman untuk mengetahui dan merencanakan biaya listrik kedepannya, guna meminimalisir kekeliruan dalam merencanakan anggaran. Dataset yang digunakan adalah dataset primer time series mulai Bulan Januari 2011 sampai Bulan Desember 2015. Metode yang digunakan pada penelitian ini adalah model Artificial Neural Network (ANN). Setelah beberapa kali dilakukan pengujian menghasilkan performance RMSE 0.090 dengan waktu eksekusi 1 detik. Hasil ini membuktikan bahwa metode dengan model ANN dapat digunakan sebagai metode untuk melakukan prediksi terhadap pembayaran tagihan listrik secara lebih akurat. Kata kunci: Prediksi, Tagihan Listrik, Neural Network, ANN, RMSE ABSTRACT Every time the electrical power used is not always the same due to the use and power used by each customer or client is different. Fluctuations in the use of electric power have an impact on the costs incurred to pay electricity bills every month. This happened to the payment of the electricity bill at the Pesantren Sukorejo East Java. The payment prices that are made every month are uncertain depending on usage and there are also errors in estimating the budget. Because at this time there is still no exact method in making better predictions. So, from the data, it is important to do predictive analysis. The prediction of the cost of electricity bills aims to produce more accurate predictions which will be used as a guideline to find out and plan for future electricity costs, to minimize errors in budget planning. The dataset used is the time series primary dataset from January 2011 to December 2015. In this study using the Artificial Neural Network (ANN) model. After several tests, by producing RMSE 0.090 performance with 1 second execution time. These results prove that the method with the ANN model can be used as a method to make predictions of payment of electricity bills more accurately. Keywords: Prediction, Electricity Bill, Neural Network, ANN, RMSE]]>
<![CDATA[Analisis Klasifikasi Kelahiran Caesar Menggunakan Algoritma Naive Bayes ]]>
<![CDATA[Abdurrahman, Ginanjar]]>;
<![CDATA[Wijaya, Johan Taruna]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 4, No 2 (2019): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (332.337 KB)
|
DOI: 10.32528/justindo.v4i2.2616
<![CDATA[Angka kematian Ibu (AKI) merupakan jumlah kematian ibu selama masa kehamilan hingga pasca melahirkan yang disebabkan kehamilan, persalinan atau pengelolaannya dan tidak disebabkan kecelakaan di setiap 100.000 kelahiran hidup. Kelahiran Caesar adalah alternatif terakhir dalam persalinan, dikarenakan faktor resiko yang tinggi. Walaupun resikonya tinggi, angka kelahiran Caesar mengalami peningkatan signifikan, khususnya di Indonesia. WHO menetapkan standar persalinan Caesar suatu negara berkisar 5-15 persen per seribu kelahiran di dunia. Machine learning merupakan cara mesin belajar dari data. Terdapat beberapa aplikasi machine learning yang telah dikembangkan. Salah satunya adalah machine learning WEKA. Weka merupakan software untuk data mining yang dilengkapi dengan algoritma standar machine learning termasuk klasifikasi. Pada penelitian ini dilakukan klasifikasi kelahiran Caesar menggunakan algoritma Naïve Bayes untuk menentukan apakah kelahiran akan diberikan tindakan operasi Caesar atau melahirkan secara normal. Dataset yang digunakan terdiri dari 80 data ibu hamil dengan 5 atribut, yakni: umur, jumlah tenaga medis, waktu melahirkan, tekanan darah, masalah hati. Hasil penelitian ini diharapkan dapat membantu dunia kesehatan khusunya untuk menentukan proses kelahiran perlu diberi tindakan operasi Caesar ataukah tidak dengan menyediakan model klasifikasi untuk melakukan prediksi secara medis. Hasil dari penelitian ini diharapkan dapat menunjang dunia kesehatan khususnya pada kasus ibu melahirkan dengan menyediakan model klasifikasi yang dapat digunakan untuk melakukan prediksi maupun pengambilan keputusan medis lainnya.Kata kunci: Kelahiran, Caesar, Klasifikasi, Naïve Bayes, Weka]]>
<![CDATA[Pengaruh Seleksi Fitur Pada Skema Klasifikasi Naive Bayes Berbasis Gaussian dan Kernel Density ]]>
<![CDATA[Rintyarna, Bagus Setya]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 1, No 1 (2016): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (357.19 KB)
|
DOI: 10.32528/justindo.v1i01.245
<![CDATA[Penyakait diabetes termasuk salah satu jenis penyakit yang perlu diwaspadai karena memiliki tingkat prevalensi yang cukup tinggi. Sebagai upaya deteksi dini penyakit diabetes, pada penelitian ini digunakan Hidden Naïve Bayes sebagai metode untuk klasifikasi penyakit diabetes. Hasil pengujian menunjukkan bahwa Hidden Naïve Bayes dapat digunakan untuk klasifikasi penyakit diabetes dengan kinerja yang lebih baik dibandingkan Naïve Bayes Classifier.]]>
<![CDATA[Pengaruh Fitur Warna pada Klasifikasi Impresi Citra Batik Indonesia Menggunakan Probabilistic Neural Network ]]>
<![CDATA[Nilogiri, Agung]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 1, No 1 (2016): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (729.891 KB)
|
DOI: 10.32528/justindo.v1i01.251
<![CDATA[Penelitian tentang batik Indonesia dan impresi, masing-masing secara terpisah telah dilakukan. Penelitian tentang klasifikasi citra batik juga telah banyak dilakukan. Impresi yang merupakan perasaan psikologis seseorang terhadap suatu produk dapat menjadi label kelas dalam pengelompokan citra batik. Penelitian ini memiliki tujuan mengetahui seberapa besar pengaruh fitur warna yang diekstraksi dari sebuah citra batik dan sistem klasifikasinya berdasarkan impresi. Praproses klasifikasi dengan melakukan ekstraksi fitur tekstur, dan bentuk dari citra batik yang selanjutnya digunakan sebagai input sistem klasifikasi. Untuk memperoleh fitur tekstur digunakan metode transformasi fourier hingga didapat nilai amplitudo dan sudutnya dalam domain frekuensi. Selanjutnya menggunakan filter Gabor untuk mendapatkan fitur bentuk. Selanjutnya fitur tersebut akan disederhanakan dimensinya menggunakan Singular Value Decomposition (SVD). Pada proses klasifikasi citra, digunakan metode Probabilistic Neural Network (PNN) dengan input berupa fitur yang telah disederhanakan dimensinya dan output yang dihubungkan ke kelas impresi. Dari serangkaian pengujian, dihasilkan klasifikasi terhadap citra batik testing yang hasilnya hampir sama dengan penelitian sebelumnya, bahkan dapat dikatakan stabil pada proses uji tanimoto distance-nya. Pada proses reduksi dengan jumlah informasi fitur yang ditentukan sebesar 90% dari nilai awal, diperoleh total vektor fitur sebesar 11 dimensi, lebih kecil dari penelitian sebelumnya sebesar 14 dimensi (yang termasuk didalamnya terdapat fitur warna) dengan hasil nilai akurasi Tanimoto distance sebesar 0,27. Hal berbeda 0,01 dari penelitian sebelumnya sebesar 0,26 untuk 81 citra training dan testing. Dengan demikian dapat disimpulkan bahwa vektor fitur warna yang diusulkan pada penelitian sebelumnya tidak mempunyai pengaruh yang signifikan pada proses klasifikasi.]]>
<![CDATA[Sistem Pendukung Keputusan Prioritas Lokasi Perbaikan Jalan Menggunakan Metode Analytical Hierarchy Process ]]>
<![CDATA[Nilogiri, Agung]]>;
<![CDATA[Arifianto, Deni]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 1, No 2 (2016): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (884.081 KB)
|
DOI: 10.32528/justindo.v1i2.569
<![CDATA[Peningkatan jumlah lokasi jalan berkaitan dengan jumlah perbaikan jalan yang harus dilakukan. Kondisi ini mengakibatkan perusahaan kesulitan dalam menentukan prioritas lokasi perbaikan jalan. Penelitian ini bertujuan untuk menentukan lokasi perbaikan jalan yang terbaik dari beberapa alternatif posisi lokasi perbaikan jalan. Caranya adalah memberikan posisi peringkat alternatif di beberapa lokasi berdasarkan kriteria seleksi jalan yang telah ditetapkan. Untuk menentukan posisi lokasi terbaik berdasarkan banyak pertimbangan kriteria, dimana kriteria tersebut dapat diukur secara kuantitatif dengan metode Analytical Hierarchy Process (AHP). Metode AHP digunakan untuk menilai secara numerik nilai prioritas dari masing-masing proyek pembangunan, karena metode ini mampu memprioritaskan alternatif yang optimal. Dengan menggunakan perhitungan AHP maka dapat memudahkan pihak Pekerjaan Umum (PU) Bina Marga untuk menentukan lokasi perbaikan jalan terbaik terhadap berbagai jenis masalah yang akan di analisa. Pengujian ini dilakukan terhadap 40 dataset jalan tahun 2009. Dengan sistem ini akan membantu pihak Bina Marga untuk mengambil keputusan secara lebih subjektif.Kata kunci: Sistem Pendukung Keputusan (SPK), Perbaikan Jalan, Analytical Hierarchy Process (AHP)]]>
<![CDATA[Sentiment Analysis pada Data Twitter dengan Pendekatan Naïve Bayes Multinomial ]]>
<![CDATA[Rintyarna, Bagus Setya]]>
<![CDATA[ JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol 2, No 1 (2017): JUSTINDO ]]>
Publisher : <![CDATA[Universitas Muhammadiyah Jember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (563.915 KB)
|
DOI: 10.32528/justindo.v2i1.1034
<![CDATA[Sebagai platform di mana user bertukar informasi dalam bentuk pesan pendek, link ke website lain, gambar maupun video, twitter telah berevolusi menjadi platform microblogging yang menjadi sumber informasi bagi banyak permasalahan karena karakteristiknya yang bersifat real time. Salah satu informasi yang penting diekstraksi dari data twitter adalah opini atau sentimen. Teknik untuk mengekstraksi sentimen dengan pendekatan komputasional disebut sebagai Sentiment Analysis. Penelitian ini mengusulkan eksperimen dengan teknik Sentiment Analysis pada dataset twitter dengan metode Multinomial Naïve Bayes untuk kategorisasi data teks. Tool yang dipergunakan adalah WEKA. Pada penelitian ini dievaluasi pengaruh algoritma stemming yang berbeda, yaitu : 1) IteratedLovinsStemmer, 2) LovinsStemmer, 3) NullStemmer dan 4) SnowBallStemmer. Evaluasi kinerja disajikan dalam enam matriks parameter yaitu TP Rate, FP Rate, Precision, Recall dan F Measure serta ROC.]]>
