Journal of Informatics, Information System, Software Engineering and Applications (INISTA)
Journal of Informatics, Information System, Software Engineering and Applications (INISTA) is a scientific journal published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) of Institut Teknologi Telkom Purwokerto with ISSN 2622-8106 , Indonesia. Journal of INISTA covers the field of Informatics, Information System, Software Engineering and Applications. First published will be in September 2018 for an electronic version. The aims of Journal of INISTA are to disseminate research results and to improve the productivity of scientific publications. Journal of INISTA is published twice in Mei and November. Publication will be published "Volume 2 number 2" in May 2020.
Articles
9 Documents
Search results for
, issue
"Vol 2 No 1 (2019): November 2019"
:
9 Documents
clear
<![CDATA[Klasifikasi Ciri Suara Manusia Berbasis Matlab Menggunakan Metode Fast Fourier Transform ]]>
<![CDATA[Ilham Fauzi]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.53
<![CDATA[Suara merupakan salah satu bentuk komunikasi yang dapat dilakukan oleh manusia. Manusia memiliki kemampuan untuk membedakan identitas seseorang yang mereka kenal, hal tersebut dikarenakan setiap manusia memiliki ciri atau karakteristik suara yang berbeda antara satu dengan yang lainnya. Pengenalan Suara dibedakan menjadi dua jenis, yaitu verifikasi suara dan identifikasi suara. Verifikasi suara menentukan subjek suara, (apakah suara yang di dengarkan merupakan suara seseorang yang dikenali). Sedangkan identifikasi suara menentukan secara spesifik identitas pembicara. Pada sinyal suara terdapat banyak parameter yang perlu diperhatikan, mulai dari parameter yang bersifat subjektif seperti logat yang dihasilkan, dan dialek yang digunakan , maupun parameter yang ersifat objektif (dapat diukur secara akustik). Permasalahan yang diadapi adalah bagaimana cara mengekstrasi ciri dari sinyal suara yang kompleks sehingga menghasilkan data baru yang lebih praktis tanpa menghilangkan karakteristik sinyal suara tersebut. Parameter yang digunakan dalam penelitian ini adalah frekuensi, amplitudo, dan delay, menggunakan metode Fast Fourier Transform untuk mengenali suara pria dan wanita berdasarkan dialek.]]>
<![CDATA[Prototype Alat Pengendali Lampu Dengan Perintah Suara Menggunakan Arduino Uno Berbasis Web ]]>
<![CDATA[Nurul Isna Ganggalia]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.54
<![CDATA[Sebagai pengguna listrik, sering kali manusia lupa, malas, atau kesulitan untuk menyalakan dan mematikan lampu. Hal tersebut membuat penggunaan listrik pada lampu tidak efektif dan efisien. Mengganti saklar manual menjadi saklar otomatis, dapat dilakukan dengan membuat pengendali lampu dengan perintah suara berbasis web. Perintah suara saat ini dapat menggantikan peranan input dari keyboard dan mouse sehingga pengguna hanya perlu mengucapkan suatu perintah dan menjadikannya lebih praktis. Pada penelitian ini, peneliti menggunakan Web Speech API sebagai pemrosesan pengenalan perintah suara. Hasil dari penelitian ini yaitu pengendalian lampu menggunakan input suara berbasis web dapat dilakukan, serta memiliki tingkat keberhasilan yang tinggi yaitu 93%.]]>
<![CDATA[Mengenali pengaruh emosional pada suara manusia menggunakan metode Fast Fourier Transform (FFT) ]]>
<![CDATA[Phita Aulia Ummami]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.56
<![CDATA[Emotion is a feeling that is felt by someone and can be addressed to other people or something and can arise as a reaction due to certain events. Some previous studies have stated that some statistical parameters have a high correlation between speech and emotional states that can indirectly influence the state of sound identified. In this study a simple experiment was carried out by taking nine samples with three different emotional characters namely sad, happy, and angry taken from three respondents who were randomly selected with the aim of identifying differences in emotions generated through sound data using the Fast Fourier Transform method ( FFT).]]>
<![CDATA[ANALISA TERHADAP LAYANAN PASIEN PADA DATA WAREHOUSE RSUD DR.R. GOETENG TAROENADIBRATA PURBALINGGA MENGGUNAKAN LAPORAN OLAP DENGAN NINE-STEP METHODOLOGY ]]>
<![CDATA[Pradika Destarini]]>;
<![CDATA[Agus Priyanto]]>;
<![CDATA[Atik Febriani]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.84
<![CDATA[RSUD dr.R.Goeteng Taroenadibrata Purbalingga merupakan salah satu rumah sakit pemerintahan daerah yang sebagai pusat layanan kesehatan di Purbalingga. Setiap hari hampir ratusan pasien yang harus dilayani oleh rumah sakit tersebut, sehingga semakin bertambahnya data kunjungan pasien khususnya rawat inap dan rawat jalan yang harus dikelolapun semakin banyak. Data warehouse sendiri merupakan salah satu cara yang digunakan dalam proses analisa serta pembuatan laporan yang di butuhkan suatu perusahaan atau instansi pemerintahan pada data dengan jumlah yang banyak. Data yang digunakan dalam penelitian ini adalah data kunjungan pasien rawat jalan dan rawat inap periode tahun 2013 sampai dengan 2017. Adanya sistem laporan Online Analytical Processing (OLAP) berfungsi untuk mempermudah dan mempercepat proses pengumpulan data untuk penyajian informasi sesuai dengan kebutuhan pihak rumah sakit. Nine-Step Methodology digunakan dalam penelitian ini sebagai pengembangan data warehouse yang meliputi Pemilihan Proses, Pemilihan Grain,Identifikasi dan Penyesuaian, Pemilihan Fakta, Penyimpanan Pre-calculation di tabel fakta, Memastikan tabel dimensi, Pemilihan durasi database, Melacak perubahan dimensi secara perlahan, serta Penentuan prioritas dan model query. Hasil yang di dapat dalam penelitian ini dapat mempercepat dalam penyajian informasi sesuai kebutuhan sehingga mampu memaksimalkan dalam menganalisis informasi tersebut.]]>
<![CDATA[PENGELOMPOKAN DATA PERSEDIAAN OBAT MENGGUNAKAN PERBANDINGAN METODE K-MEANS DENGAN HIERARCHICAL CLUSTERING SINGLE LINKAGE ]]>
<![CDATA[Rahmatika Diana Firdaus]]>;
<![CDATA[Tri Ginanjar Laksana]]>;
<![CDATA[Rima Dias Ramadhani]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.87
<![CDATA[Kesehatan merupakan hak asasi manusia sekaligus investasi bagi keberhasilan pembangunan bangsa Indonesia. Salah satu faktor penting di dunia kesehatan adalah tersedianya obat-obatan untuk nantinya disalurkan ke seluruh wilayah Indonesia melalui badan organisasi kesehatan milik pemerintah secara merata dan berkelanjutan. Fungsi obat yaitu sebagai upaya pencegahan, penyembuhan, maupun peningkatan kesehatan bagi manusia. Obat juga merupakan bahan yang diatur oleh pemerintah dalam hal ini adalah Badan Pengawasan Obat dan Makanan (BPOM). Di era modern seperti saat ini, kita mengenal dengan istilah Data Mining. Dalam perkembangannya, data mining berhubungan erat dengan analisa data, maka dari itu data mining mampu mengolah dan mengelompokan data dalam jumlah yang besar berdasarkan kesamaan dalam sekumpulan data. Algoritma K-Means merupakan metode pengelompokan yang mudah digunakan. Pada proses penentuan titik pusat klaster (centroid) awal merupakan kelemahan bagi K-Means karena sifatnya yang acak. Algoritma Hierarchical Clustering (HCC) Single Linkage pada penentuan titik pusat klaster (centroid) memiliki sifat yang konsisten dan kompleks. Dari 204 data dan variabel yang akan diolah, kedua algoritma tersebut akan mendapatkan klaster optimal data pada kelompok klaster C1 yaitu obat dengan pemakaian lambat dan klaster C2 yaitu obat dengan pemakaian cepat dan membandingkan nilai validitasnya. Hasil dari penelitian ini menunjukan bahwa algoritma HCC Single linkage mampu memberikan hasil yang terbaik dengan validitas Sillhoutte Index (SI) sebesar 0.8629 sedangkan algoritma K-Means mendapatkan nilai validitas SI sebesar 0.8414.]]>
<![CDATA[LOGIKA FUZZY SUGENO UNTUK PENGAMBILAN KEPUTUSAN DALAM PENJADWALAN DAN PENGINGAT SERVICE SEPEDA MOTOR ]]>
<![CDATA[Ariesta Dwi Saputri]]>;
<![CDATA[Rima Dias Ramadhani]]>;
<![CDATA[Rifki Adhitama]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.95
<![CDATA[Data pengguna sepeda motor tahun 2016 berdasarkan Badan Pusat Statistik terdapat 105.150.082 pengguna di Indonesia . Angka ini adalah angka yang terbanyak dari semua total kendaraan. Menurut katadata.co.id, terdapat 98.000 kali kecelakan yang terjadi pada tahun 2017. Hal ini didominasi oleh kendaraan khususnya sepeda motor. Kecelakan yang ditimbulkan disebabkan oleh kelalaian pengguna sepeda motor dalam merawat motornya tersebut. Upaya dalam mengantisipasi terjadinya kecelakaan salah satunya adalah melakukan pengecekan kendaraan bermotor secara rutin. Menurut buku panduan sepeda motor, bahwa setiap kali motor yang digunakan wajib untuk melakukan pengecekan minimal 3 bulan sekali agar motor tetap pada performa utamanya. Metode yang digunakan untuk pengambilan keputusan dalam penjadwalan dan pengingat menggunakan metode fuzzy sugeno. Fuzzy merupakan suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output . Solusi yang ditawarkan pada penelitian ini akan aplikasi mobile yang dikhususkan untuk pengguna sepeda motor dalam melakukan perawatan rutin sebagai penjadwalan dan pengingat. Hasil yang didapatkan Berdasarkan pengujian manual dan pengujian melalui system yakni 16 siap service dan 14 tidak siap service. Presentase keakuratan system dengan perhitungan manual 100% sama dengan perhitngan system. Prensentasi pengaruh terhadap perawatan motor adalah 88.27% setuju terhadap pembuatan aplikasi ini untuk perawatan motor terhadap kecelakaan motor.]]>
<![CDATA[Klasifikasi Analisis Sentimen Pada Gambar Meme Politik Dengan Library Tesseract Dan Algoritme Support vector machine ]]>
<![CDATA[Eko Sanjaya]]>;
<![CDATA[Agi Prasetiadi]]>;
<![CDATA[WAHYU ANDI SAPUTRA]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.96
<![CDATA[Meme merupakan penyebaran informasi dalam bentuk gambar. Berdasarkan data yang diperoleh, pengembangan meme mulai meningkat menjelang pemilu 2019. Informasi yang diperoleh dari meme politik beragam. Salah satunya memberikan dukungan untuk suatu partai atau tokoh politik atau digunakan untuk mengkritik / mencaci-maki partai politik atau tokoh. Sehingga diperlukan suatu sistem yang dapat mengklasifikasikan meme berdasarkan kelas Penelitian ini bertujuan untuk menciptakan sistem yang dapat mengklasifikasikan meme politik berdasarkan kelas. Algoritma yang akan digunakan dalam mengklasifikasikan adalah Support vector macine (SVM) dengan ekstraksi fitur TF-IDF. Library yang akan digunakan dalam optical character recognition (OCR) adalah Tesseract. Berdasarkan hasil pengujian diketahui bahwa akurasi yang dihasilkan oleh SVM linier lebih baik daripada SVM non-linear. Akurasi terbaik dalam SVM linear dengan kombinasi TF-IDF adalah 75.71%.]]>
<![CDATA[Analisis Mutu Pendidikan Sekolah Menengah Atas Program Ilmu Alam di Jawa Tengah dengan Algoritme K-Means Terorganisir ]]>
<![CDATA[Ridho Ananda]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.97
<![CDATA[Banyaknya jumlah sekolah menengah atas (SMA) di Jawa Tengah dengan mutu pendidikan yang berbeda-beda menjadi kendala bagi stakeholder dalam mengambil kebijakan. Untuk mengatasinya, dibutuhkan metode dalam menganalisis data sekolahan yang berkaitan dengan mutu pendidikan. Salah satu metode yang dapat digunakan adalah penggerombolan. Pada penelitian ini diterapkan metode penggerombolan dengan algoritme K-means serta kombinasi K-means dan Hirarki pada nilai ujian akhir nasional (UAN) program ilmu alam. Nilai UAN merupakan salah satu komponen penilaian mutu pendidikan. Penentuan banyak gerombol optimal digunakan Bayesian Information Criterion (BIC) dan diperoleh 5 gerombol optimal dengan BIC 221.45. Hasil penggerombolan terbaik berdasarkan nilai Silhouette diperoleh algoritme complete K-means dengan nilai 0.4537, sehingga hasil tersebut digunakan untuk menganalisis mutu pendidikan di Jawa Tengah. Berdasarkan hasil penggerombolan, diperoleh kesimpulan bahwa sekolah yang unggul banyak terdapat di kota Semarang dengan proporsi 12.76% dari seluruh sekolah unggul pada 35 wilayah di Jawa Tengah. Sedangkan sekolah terbanyak pada peringkat terendah di Boyolali dengan proporsi 9.03% dari seluruh sekolah peringkat terakhir pada 35 wilayah di Jawa Tengah. Lima wilayah yang perbedaan mutunya tidak merata ialah Banjarnegara, Demak, Kab. Pekalongan, Batang, dan Purwodadi. Sedangkan lima wilayah yang perbedaan mutunya paling merata adalah Wonosobo, Tegal, Semarang, dan Magelang.]]>
<![CDATA[Penggunaan X-Means Clustering Method untuk Mengelompokkan Potensi Sekolah Menengah Unggul di Kabupaten Banyumas ]]>
<![CDATA[aditya wijayanto]]>
<![CDATA[ Journal of INISTA Vol 2 No 1 (2019): November 2019 ]]>
Publisher : <![CDATA[LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.20895/inista.v2i1.99
<![CDATA[Sekolah menengah merupakan salah satu jenjang pendidikan yang diwajibkan pemerintah dalam program wajib belajar Sembilan tahun. Maka dari itu informasi pengelompokan sekolah mengah sangat penting untuk pengembangan maupun revitalisasi dari pendidikan pada jenjang tersebut. Salah satu metode yang dapat digunakan adalah metode X-means clustering. Metode X-Means clustering merupakan salah satu penyempurnaan dari metode K-Means clustering. Metode X-means digunakan pada penelitian ini karena dapat membagi cluster secara optimal dengan menggunakan nilai Bayesian Information Criterion (BIC). Penelitian ini menggunakan 118 data sekolah se-kabupaten Banyumas yang diambil dari pangkalan data kemendikbud. Hasil dari penelitian ini adalah empat buah cluster dengan nilai Davis Bouldin Index sebesar 0.846 dengan kelompok sekolah unggul sebanyak 28 sekolah, kelompok baik sebanyak 26 sekolah, kelompok cukup sebanyak 43 sekolah dan kelompok kurang sebanyak 21 sekolah.]]>
