cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Suwanto Raharjo
Contact Email
wa2nlinux@yahoo.com
Phone
+62274866124
Journal Mail Official
jnanaloka@yahoo.com
Editorial Address
Jl. Mulungan Baru, Mulungan Wetan, RT 07, RW 17, No. 130, Mlati, Sleman, Yogyakarta, 55285 Telp. 0274-866124
Location
Unknown,
Unknown
INDONESIA
JNANALOKA
Published by Lentera Dua Indonesia
ISSN : 27227332     EISSN : 27222896     DOI : https://doi.org/10.36802/jnanaloka.2020.v1-no1
Core Subject : Science, Education, Social, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other
JNANALOKA merupakan jurnal ilmiah berbasis blind peer review dan open access terbit mulai tahun 2020 dipublikasikan oleh Lentera Dua Indonesia. Jurnal terbit sebanyak 2 (dua) kali dalam setahun yakni bulan Maret dan September. Redaksi Jurnal JNANALOKA menerima artikel ilmiah orisinil lintas bidang ilmu yang memiliki fokus namun tidak terbatas pada bidang sains dan teknologi baik tingkat dasar, menengah, dan tinggi lintas dan multi disiplin ilmu. JNANALOKA juga menerima artikel yang didasarkan pada penelitian ilmiah secara umum.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 01 No. 01 Maret Tahun 2020" : 5 Documents clear
Prediksi penyakit ginjal kronis menggunakan metode pengurangan fitur Symetrical Uncertainty Muhammad Kurniawan
JNANALOKA Vol. 01 No. 01 Maret Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no1-1-10

Abstract

Data mining berhubungan dengan pencarian data untuk menemukan pola atau pengetahuan da- ri data keseluruhan. Data mining dapat digunakan untuk memprediksi suatu keadaan, seperti apakah seseorang terkena penyakit ginjal kronis atau tidak. Dalam penelitian ini metode pengu- rangan fitur symmetrical uncertainty dengan algoritma klasifikasi Gradient Boosting, Random Forest, Support Vector Machine, dan Naïve Bayes digunakan untuk memprediksi penyakit ginjal kronis. Jumlah atribut yang diklasifikasi adalah 24, 12, 6, 5, dan 4 atribut. Peningkatan nilai akurasi didapatkan pada pengurangan atribut dari 24 ke 12 dengan algoritma Naïve Bayes. Se- lain itu, diperoleh Support Vector Machine memiliki akurasi terbaik pada semua jumlah atribut, diikuti Gradient Boosting, Random Forest, dan Naïve Bayes. Pada klasifikasi 5 atribut, terlihat algoritma Support Vector Machine dan Gradient Boosting masih memiliki akurasi 1. Kelima atribut tersebut antara lain: hemoglobin, packed cell volume, serum creatinine, albumin, dan specifity gravity. Pengurangan atribut dapat meningkatkan akurasi dan dapat memudahkan proses prediksi karena jumlah atribut lebih sedikit. Belum ada
Klasifikasi motif batik menggunakan Convolutional Neural Network Rizki Mawan
JNANALOKA Vol. 01 No. 01 Maret Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no1-45-50

Abstract

Batik adalah bentuk seni visual pada bahan tekstil yang diproduksi menggunakan teknik menggambar tradisional yang berasal dari Indonesia. Oleh karena itu dibutuhkan penelitian untuk meneliti batik yang bertujuan untuk mengetahui motif dan melestarikannya. Convolutional Neural Network(CNN) adalah salah satu metode machine learning dari pengembangan Multi Layer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi. CNN termasuk dalam jenis Deep Neural Network karena dalamnya tingkat jaringan dan banyak diimplementasikan dalam data citra. Eksperimen menggunakan Dataset 120 potongan foto Batik (3 kelas) menunjukkan bahwa model yang menggunakan CNN mencapai rata-rata akurasi 65% sedangkan model CNN dikombinasi dengan Grayscale mencapai rata-rata akurasi 70%. Meskipun demikian dengan penambahan Grayscale akurasi bertambah 5%.
Analisa data transaksi penjualan barang menggunakan algoritme Apriori dan FP-Growth Harianto Harianto; Hadryan Eddy
JNANALOKA Vol. 01 No. 01 Maret Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no1-35-43

Abstract

Transaksi penjualan barang pada sebuah perusahaan terjadi setiap hari mengakibatkan semakin bertambah banyaknya catatan transaksi penjualan. Tidak banyak dari perusahaan menjadikan transaksi penjualan itu hanya sebagai arsip belaka. Yang pada akhirnya mengakibatkan sebuah perusahaan mengalami kekurangan stok barang. Tentunya hal demikian terjadi karena transaksi penjualan barang tidak dianalisa dan dipelajari polanya. Ada beberapa banyak metode data mining yang digunakan untuk menganalisa pola pembelian barang secara bersamaan oleh pembeli. Diantara metode yang sering sekali digunakan adalah Apriori dan FP-Growth. Pada penelitian ini, bertujuan untuk menemukan pola pembelian barang secara bersamaan berdasarkan bulan selama satu tahun. Untuk menemukan pola pembelian tersebut digunakan Algoritma Apriori dan FP-Growth kemudian membandingkan hasil dalam menemukan pola kombinasi yang dihasilkan dalam dataset. Hasil dari penelitian ini algoritma Apriori membutuhkan waktu yang lebih sedikit dalam memperoses dan menampilkan hasil tapi rules yang didapatkan lebih sedikit dibandinkan algoritma FP-Growth. Sedangkan algoritma FP- Growth membutuhkan waktu yang lebih lama dbandingkan algoritma Apriori tapi menghasilkan rules yang lebih banyak dibandingkan algoritma Apriori.
Analisis sentimen ujaran kebencian pemilihan presiden 2019 menggunakan algoritme Naïve Bayes M Didik R Wahyudi Wahyudi
JNANALOKA Vol. 01 No. 01 Maret Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no1-25-33

Abstract

Media sosial dapat memberikan gambaran secara umum opini yang terjadi didalam masyarakat, termasuk dalam pemilihan presiden 2019. Hal ini mengakibatkan bahwa data yang terkumpul dari media sosial sangat menarik untuk dianalisa guna mengetahui bagaimana suatu opini yang terjadi di masyarakat. Pengumpulan data harus memakai metode tertentu agar menghasilkan keakuratan opini yang terjadi di masyarakt. Penelitian ini mempergunakan teknik pengumpulan data dengan metode multistage random, berdasarkan data dari situs semiocast terhadap keaktifan postingan twitter di bebrapa kota besar di Indonesia, yaitu Jakarta, Bandung, Semarang, Surabaya, Yogyakarta. Pengambilan data berdasarkan kata kunci pilpres 2019 yang dilakukan dibeberapa kota di Indonesia diperoleh sebanyak 5055 data. Data ini kemudian di klasisikasi berdasarkan kategori ujaran kebencian dengan mempergunakan algoritma Naive Bayes Classifier dan pembobotan TF-IDF. Hasil yang diperoleh dari klasifikasi ini menunjukkan bahwa sentimen irrelevant sebanyak 11,3% dengan 573 data, sentimen negatif sebanyak 35,4% dengan 1786 data, sentimen netral sebanyak 26,7% sebanyak 1350 data dan sentimen positif sebanyak 26,6% sebanyak 1343 data. Sentimen negatif pada lima kota tersebut, memperoleh skor tertinggi dengan nilai sebesar 35,4%. Distribusi sentimen negatif pada lima kota yang dijadikan sample menunjukkan bahwa di Jakarta sentimen negatif sebesar 33,8%, Bandung sentimen negatif sebesar 65,4%., Surabaya sentimen positif sebesar 37,2 %, Yogyakarta dengan sentimen negatif sejumlah 51,8%. dan Semarang dengan sentimen negatif 61,7%.
Keamanan file dokumen menggunakan algoritme Advanced Encryption Standard pada aplikasi berbasis Android Emy Setyaningsih
JNANALOKA Vol. 01 No. 01 Maret Tahun 2020
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2020.v1-no1-11-23

Abstract

Seiring dengan peningkatan kemampuan perangkat mobile terutama media penyimpanan yang ukurannya semakin besar, memungkinkan pengguna menyimpan file dokumen penting ke perangkat mobile. File dokumen rahasia tersebut menjadi sangat rentan untuk diketahui, diam- bil atau bahkan dimanipulasi dan disalahgunakan oleh pihak lain yang tidak berhak mengakses perangkat mobile tersebut. Oleh karena itu, dibutuhkan aplikasi berbasis Android yang dapat melindungi file dokumen agar tidak dapat dibaca oleh orang lain. Salah satu metode yang dapat digunakan untuk melindungi file dokumen tersebut dari serangan pihak yang tidak bertanggung jawab adalah metode kriptografi. Algoritme kriptografi yang paling sering digunakan untuk mengamankan dokumen dalam bentuk teks adalah algoritme Advanced Encryption Standard (AES). Penelitian ini berhasil membangun aplikasi pengamanan file dokumen dengan format pe- nyimpanan *.pdf, *.doc, *.ppt dan *.xls menggunakan algoritme AES berbasis Android. Aplikasi yang dibangun memiliki kelebihan pada penggunaan kunci AES yang selalu berbeda untuk pro- ses enkripsi, sehingga lebih aman terhadap serangan brute-force. Penelitian ini juga melakukan perbandingan kinerja dari AES-128, AES-192 dan AES-256 berdasarkan kecepatan proses enkri- psi dan dekripsi. Berdasarkan pengujian yang dilakukan, kecepatan waktu enkripsi dan dekripsi tidak dipengaruhi oleh jenis format penyimpanan file, namun dipengaruhi oleh ukuran file dan ukuran kuncinya. Semakin besar ukuran file asli (plainteks) maka semakin besar pula kebutuhan waktu prosesnya. Proses enkripsi dan dekripsi menggunakan panjang kunci 128 bit juga membu- tuhkan waktu paling cepat dibandingkan menggunakan panjang kunci 256 bit. Hasil pengujian menggunakan uji analisis histogram, memperlihatkan histogram dari cipherteks relatif rata yang menunjukkan algoritme kriptografi AES aman terhadap statistical attack. Hasil ini menunjukkan bahwa aplikasi berbasis Android untuk keamanan dokumen menggunakan algoritme AES yang dibangun memiliki keamanan cukup tinggi serta cepat proses enkripsi dan dekripsinya.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol. 06 No. 02 September Tahun 2025 Vol. 06 No. 01 Maret Tahun 2025 Vol. 05 No. 02 September Tahun 2024 Vol. 05 No. 01 Maret Tahun 2024 Vol. 04 No. 02 September Tahun 2023 Vol. 04 No. 01 Maret Tahun 2023 Vol. 03 No. 02 September Tahun 2022 Vol. 03 No. 01 Maret Tahun 2022 Vol. 02 No. 02 September Tahun 2021 Vol. 02 No. 01 Maret Tahun 2021 Vol. 01 No. 02 September Tahun 2020 Vol. 01 No. 01 Maret Tahun 2020 More Issue