cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Haviluddin
Contact Email
jurnal.sakti.fkti@gmail.com
Phone
+6281331112002
Journal Mail Official
jurnal.sakti.fkti@gmail.com
Editorial Address
Jl. Panajam Kampus Gn. Kelua Universitas Mulawarman Samarinda-Kalimantan Timur 75123
Location
Kota samarinda,
Kalimantan timur
INDONESIA
Sains, Aplikasi, Komputasi dan Teknologi Informasi
Published by Universitas Mulawarman
ISSN : -     EISSN : 26848473     DOI : http://dx.doi.org/10.30872/
Core Subject : Science, Engineering,
Aerospace Engineering Computer Science & IT
SAINS, APLIKASI, KOMPUTASI DAN TEKNOLOGI INFORMASI is a peer-reviewed journal which is published by Faculty of Computer Sience and Information Technology, Universitas Mulawarman, East Kalimantan publishes biannually in April and August. This Journal publishes current original research on Computer Sciences using an interdisciplinary perspective, especially within Software Engineering, Information Systems, Network and Computer Security, Image Processing, Multimedia, Human Interface and Artificial Intelligence.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 50 Documents
 1   2   3   4   5 
Pengenalan pola mengetahui kategori destinasi wisata favorit di India dengan metode SVM (Support Vector Machine) Mohamad Rifky Fajri
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 1 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i1.4443

Abstract

Sistem yang menentukan kategori destinasi wisata mana yang paling banyak dikunjungi oleh para wisatawan luar negeri dan dalam negeri. Sistem ini menggunakan metode classification untuk menentukan mana yang paling banyak diminati oleh pengunjung, menggunakan dataset dari hasil riset ke beberapa wisatawan yang berkunjung ke india untuk mengetahui kategori destinasi yang dituju. Ini juga menjadi keuntungan untuk wisatawan baru yang akan berkunjung ke india untuk memilih kategori destinasi mana yang menjadi rekomendasi saat kita berkunjung ke india. Metode yang dipakai adalah classification SVM (Support Vector Machine) untuk mengetahui pola dari destinasi wisata disana. Dengan memakai metode ini kita dapat melakukan perjalanan pariwisata tanpa kecewa karena tidak salah memilih tempat wisata
Klasifikasi Emosi Untuk Mengetahui Pengalaman Emosional Melalui Sinyal EEG Menggunakan Algoritma Artificial Neural Network Adelia Fitriawati Zakiyyah
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 3, No 2 (2021): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v3i2.4444

Abstract

Emosi seseorang di kontrol oleh bagian otak yang disebut sistem limbik. Sistem limbik adalah sekelompok struktur yang saling berhubungan yang terletak jauh di dalam otak. Salah satu pendekatan yang paling efektif untuk klasifikasi emosi manusia adalah dengan analisis dan interpretasi sinyal EEG. Dalam jurnal ini, penulis akan membangun sistem yang akan mengklasifikasikan pengalaman emosional berdasarkan data gelombang otak EEG. Ikat kepala MUSE EEG komersial digunakan dengan resolusi empat elektroda (TP9, AF7, AF8, TP10). Keadaan emosional positif dan negatif dipicu/dipanggil menggunakan klip film dengan valensi yang berbeda, kemudian data gelombang otak netral juga direkam tanpa rangsangan lain yang terlibat. Penulisan jurnal ini mengeksplorasi mengenai penerapan metode klasifikasi ANN dengan tujuan untuk mengetahui apakah kita bisa mengetahui emosi seseorang menggunakan data gelombang otak. Dengan menguji pengalaman emosi positif dan negatif yang ditangkap otak saat melihat klip film yang berbeda Dari hasil uji coba yang dilakukan menggunakan klasifikasi artificial neural network didapatkan nilai akurasi sebesar 46.73
Penerapan Algoritma K-Means Dalam Clustering Produk Terlaris Pada Fr Parfum Heri Yansah; Tina Tri Wulansari; Faza Alameka
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 2 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i2.9075

Abstract

In sales activities, it is important to know which products are selling the best. FR Parfum is a perfume shop that sells quite a lot of perfumes, but the owner does not know which perfumes are the best-selling in his shop. The purpose of this study is to assist shop owners in knowing what perfumes are the best selling at FR Parfum. In this study, the K-Means algorithm with the Clustering method was used, the data were grouped into 3 clusters which were categorized as very in demand, in demand, and less in demand. The data is processed in the RapidMiner application and the results obtained based on the cluster division are cluster 0 which has a size of 30 millimetres, cluster 1 has a size of 7 milli, 10 milli and 12 millimetres, cluster 2 has a size of 20 millimetres. The data used in this study is the sales data of FR Parfum in 2021 as many as 1,655 data in excel format. And the results obtained show that cluster 1 is the highest with a total of 884 of the total sales of 183 7 milliliters, 165 10 milliliters sold and 536 12 milliliters sold. Baccarat perfume was the best selling 88, April Rose perfume was the best-selling sold 58, and the Cuddle perfume was the under-selling one, selling 1. (HY)
Analisis Penerimaan E-Learning MOLS Menggunakan Technology Acceptance Model (TAM) Muhammad Bambang Firdaus; Edy Budiman; Langgeng Ari Kusuma
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 1 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i1.4995

Abstract

Teknologi informasi menjadi bagian penting dalam kebutuhan yang memudahkan manusia dalam berbagai aspek kehidupan yaitu salah satunya dalam bidang pendidikan. E-learning adalah teknologi informasi yang digunakan dalam bidang pendidikan sebagai alat bantu belajar mengajar untuk memudahkan siswa dalam menyerap materi pembelajran salah satunya di perguruan tinggi.  Penilitian ini bertujuan untuk mengetahui bagaimana tingkat penerimaan mahasiswa terhadap e-learning menggunakan metode TAM dan variabel apa saja dalam  metode TAM yang berpengaruh dalam penerimaan e-learning Universitas Mulawarman yang baru digunakan pada bulan September 2019. Model yang digunakan untuk menjelaskan penerimaan sistem e-learning adalah Technology Acceptance Model (TAM) dengan 4 konstruk yaitu variabel Perceived Ease of Use, Perceived Usefulness, Attitude Toward Using dan Behaviora Intention to Use. Pengambilan sampel yang digunakan adalah seluruh mahasiswa yang melakukan pembelajaran online yang digunakan sebagai sampel dan diperoleh sebanyak 120 responden. Berdasarkan analisis data diperoleh hasil Perceived Ease of Use berpengaruh signifikan terhadap variabel Perceived Usefulness. Perceived Ease of Use berpengaruh signifikan terhadap variabel Attitude Toward Using. Perceived Usefulness berpengaruh signifikan terhadap variabel Attitude Toward Using. Perceived Usefulness berpengaruh signifikan terhadap variabel Behavior Intention to Use. Attitude Toward Using berpengaruh signifikan terhadap variabel Behavior Intention to Use.
Pengujian Kesesuaian Fungsional Augmented Reality Pola Batik Dayak Kenyah Muhammad Bambang Firdaus; Anton Prafanto; Joan Angelina Widians; Andi Tejawati; Renol Sulle; Zainal Arifin
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 2 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i2.8737

Abstract

Batik Indonesia telah ditetapkan sebagai Warisan Kemanusiaan Budaya Lisan dan Nonbendawi oleh UNESCO sejak 2 Oktober 2009. Saat ini, pengenalan media mengikuti perkembangan teknologi yang ada. Salah satunya adalah pengenalan media melalui pemanfaatan teknologi AR. Kami menghadirkan motif batik Dayak Kalimantan Timur menggunakan teknologi augmented reality dan diharapkan dapat menjadi media alternatif yang lebih interaktif untuk menampilkan budaya Indonesia, khususnya di Kalimantan Timur. Pengujian black-box dan usability diperlukan untuk mengetahui seberapa baik kinerja sistem saat digunakan sebagai bahan baku kerajinan di Kalimantan Timur. dimana hasil pengujian black box merupakan hasil pengujian yang baik untuk 6 fungsi dan standar. Dengan hasil klasifikasi yang baik, usability mencapai 76%
Analisa Perbandingan Algoritma CNN Dan MLP Dalam Mendeteksi Penyakit COVID-19 Pada Citra X-Ray Paru Novelinda Permata Wulandari; Devi Fitrianah
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 3, No 2 (2021): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v3i2.5129

Abstract

Pada bulan Maret 2020 Organisasi Kesehatan Dunia atau WHO (World Health Organization) menyatakan bahwa COVID-19  sebagai pandemi global. Untuk mengendalikan penyebaran COVID-19 ini dibutuhkan diagnosis secara dini dan akurat. Saat ini, standar emas dalam diagnosis COVID-19 didasarkan pada Reverse Transcripttion Polymerase Chain Reaction (RT-PCR) yakni mengambil dari sample pasien secara langsung. Dalam menangani masalah yang ada dibutuhkan metode diagnostic alternative, seperti melakukan pengolahan dan analisis dari pencitraan medis. Tujuan dari penelitian ini adalah untuk melakukan diagnosis alternatif menggunakan data citra paru untuk dapat mengklasifikasi mana paru yang terkena COVID-19 dan mana paru yang sehat. Metode yang digunakan dalam mengklasifikasi data citra adalah dengan pendekatan Deep Learning. Pada kasus ini, penelitian ini akan melakukan perbandingan algoritma CNN dan MLP untuk dapat melihat mana dari keduanya yang menghasilkan hasil yang lebih baik. Hasil yang didapat menunjukkan bahwa CNN lebih unggul dengan akurasi sebesar 97,14% dibandingkan dengan MLP dengan akurasi sebesar 91,39%. Hal ini dikarena Algoritma CNN memiliki lebih banyak lapisan dibandingkan dengan MLP, serta Algoritma CNN dapat bekerja dengan baik pada data spasial.
Rancang Bangun Aplikasi Inventaris Barang Milik Daerah (BMD) Berbasis Mobile Menggunakan Qr Code Pada Bappeda Kota Pekanbaru M. Khairul Anam; Susi Erlinda; Melda Royani; khusaeri Andesa; Hamdani Hamdani
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 1 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i1.6668

Abstract

Penatausahaan barang milik daerah (BMD) merupakan bagian penting dalam pengelolaan aset/barang milik daerah dimana dalam tahapan ini kepala OPD berperan penting didalamnya dan pemerintah daerah harus memberikan perhatian khusus terhadap pengelolaan aset. Demi tercapainya penatausahaan Barang Milik Daerah pada Badan Perencanaan Kota Pekanbaru yang baik, maka diperlukan sebuah sistem yang dapat mempermudah pelaksanaan kegiatan inventarisir BMD tersebut. Penatausahaan BMD merupakan salah satu aspek penilaian yang sangat menentukan dalam Laporan Keuangan Pemerintah oleh BPK. Pada saat sekarang ini pencatatan BMD pada Bappeda Kota Pekanbaru masih dilakukan secara manual dan belum terinventaris secara baik antara fisik barang dengan pencatatan yang dilakukan oleh pengurus barang Bappeda Kota Pekanbaru. Untuk itu diperlukan sistem yang mendukung kinerja pengurus barang dalam memudahkan kegiatan inventaris BMD pada Bappeda Kota Pekanbaru. Kegiatan inventarisir BMD tersebut akan dilakukan dengan berbasis mobile menggunakan QR Code, agar memudahkan pekerjaan pengurus barang dalam membantu Kepala Bappeda Kota Pekanbaru dalam penatausahaan BMD. Untuk memulai pembuatan sistem atau aplikasi diperlukan rancangan sistem yang dibuat dalam bentuk diagram UML. Sistem atau aplikasi yang dibuat mengikuti rancangan yang sudah ditentukan. Aplikasi ini akan digunakan oleh Pengurus Barang Bappeda Kota Pekanbaru yang menghasilkan Laporan Penatausahaan BMD Bappeda Kota Pekanbaru.
Klasifikasi K-Nearest Neighbor pada Penderita Insomnia berdasarkan Sinyal Elektroensefalogram Ahmad Azhari; Inosensia Lionetta Pricillia
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 2 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i2.8691

Abstract

Pengukuran insomnia saat ini, umumnya dilakukan oleh para ahli medis dengan melihat kondisi pasien disertai gejala yang merujuk pada insomnia. Sebaliknya, pengukuran secara kuantitatif masih sangat minim ditemukan. Penelitian ini mengusulkan pengukuran alternatif dengan akuisisi aktivitas gelombang otak melalui electroencephalogram (EEG) dalam mengidentifikasi tidur gangguan. Insomnia adalah gangguan tidur umum yang dapat membuat sulit untuk tertidur, sulit untuk tetap tertidur, atau menyebabkan bangun terlalu dini dan tidak bisa kembali tidur. Tidak hanya melemahkan tingkat energi dan suasana hati, tetapi insomnia juga berdampak pada kesehatan, kinerja, dan kualitas hidup seseorang. Gangguan tidur ini muncul karena beberapa faktor, seperti kecemasan, stres, depresi, gangguan bipolar, atau trauma. Stimulasi fotik diberikan sebagai upaya untuk menemukan respon tubuh seseorang terhadap cahaya. Remaja akhir yang memiliki gejala insomnia dengan rentang usia 17-25 tahun dimasukkan sebagai responden, sebelumnya telah diberikan screening test terkait gangguan tidur 2 minggu yang lalu sehingga dapat diidentifikasi termasuk insomnia berat, sedang, ataupun ringan. Studi ini mengusulkan pendekatan baru menggunakan EEG sebagai alat ukur kuantitatif. Pendekatan baru ini membandingkan beberapa jenis metode perolehan data insomnia dari penelitian sebelumnya. Diharapkan pola penderita insomnia dapat terlihat dan dapat di klasifikasi menggunakan metode KNN, sehingga dapat mempermudah proses pendiagnosaan gangguan tidur insomnia secara kuantitatif.
Analisa Mutu Sekolah Pada Provinsi Kalimantan Timur Menggunakan Algoritma K-Means Mega Yoalifa; Haviluddin Haviluddin; Masna Wati; Novianti Puspitasari; Ummul Hairah
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 3, No 2 (2021): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v3i2.4407

Abstract

Penelitian ini bertujuan untuk mengelompokkan Sekolah Menengah Atas (SMA) berdasarkan Standar Mutu Pendidikan (SNP) sehingga memiliki kategori Standar Tinggi (C1), Standar Sedang (C2), dan Standar Rendah (C3) di Daerah Kutai Barat dan Kutai Kartanegara, Provinsi Kalimantan Timur. Metode analisa telah menggunakan algoritma K-Means dengan tiga metode perhitungan jarak yaitu Euclidean Distance, Manhattan Distance, dan Minkowski Distance. Berdasarkan hasil percobaan dengan Euclidean Distance dan Minkowski Distance terdapat 9 sekolah dengan perhitungan akurasi sum of square error (SSE) sebesar 42.6793 dalam kategori berstandar tinggi (C1), 48 sekolah dengan akurasi perhitungan SSE sebesar 26.6885 berkategori standar sedang (C2), dan 3 sekolah dengan akurasi perhitungan SSE sebesar 52.6727 berkategori standar rendah (C3). Hasil penelitian ini diharapkan menjadi rekomendasi dalam memberikan program kerja peningkatan mutu dan kualitas SMA oleh pihak-pihak terkait seperti Dinas Pendidikan dan Kebudayaan (Dikbud).
Pengembangan Algoritma Predictive Maintenance Pada Coal Pfister Feeder Dengan Pendekatan Machine Learning Essa Abubakar Wahid; Mehi Zulqaida Harisandy; Saraswati Veda Pavita; Harry Patria
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 1 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v4i1.6661

Abstract

Coal Pfister Feeder adalah alat berfungsi untuk mengatur laju aliran umpan fine coal dalam proses pembakaran. Operasional yang stabil sangat bergantung pada kehandalan alat itu sendiri.Kehandalan alat dapat dicapai melalui maintenance strategy yang baik. Secara umum maintenance strategy dapat dikategorikan menjadi tiga [12], yaitu Corrective Maintenance (CM), Preventive Maintenance (PM), dan Predictive Maintenance (PdM). PdM adalah strategi pemeliharaan dimana aktivitas perawatan dilakukan dengan mengevaluasi dan menganalisa kondisi aktual dari alat, sehingga dapat diprediksi waktu yang optimal untuk dilakukan aktivitas perawatan sebelum kegagalan alat terjadi. Perkembangan industri 4.0 dan Digital Manufacturing semakin mendorong para pelaku industri untuk melakukan pendekatan prediktif dalam pemeliharaan alat  [2]Aktivitas di PT XYZ mengelola data realtime operasi pabrik seperti feedrate, current load, temperature, pressure, putaran mesin, vibrasi, dan material level yang terintegrasi pada Technical Information System (TIS). Penelitian ini bertujuan membangun sebuah algoritma Predictive Maintenance yang dapat menghasilkan prediksi potensi kegagalan pada jalur proses produksi dengan menggunakan Machine Learning, dimana untuk memperoleh pemodelan yang paling sesuai untuk menyelesaikan masalah ini beberapa algoritma.Hasil evaluasi model menunjukkan bahwa Gradient Boosting memberikan hasil akurasi yang paling baik diantara model Random Forest, AdaBoost, SVM dan Neural Network.

Page 4 of 5 | Total Record : 50

 1   2   3   4   5 

Filter by Year

2019 2023


Reset
Filter By Issues
All Issue Vol 5, No 2 (2023): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 5, No 1 (2023): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 2 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 4, No 1 (2022): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 3, No 2 (2021): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 3, No 1 (2021): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 2, No 2 (2020): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 2, No 1 (2020): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 1, No 2 (2019): Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 1, No 1 (2019): Sains, Aplikasi, Komputasi dan Teknologi Informasi