cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
YISTI VITA VIA
Contact Email
yistivia.if@upnjatim.ac.id
Phone
+628563336070
Journal Mail Official
jifti@upnjatim.ac.id
Editorial Address
Gedung Giri Santika, Jalan Raya Rungkut Madya Gununganyar, Surabaya, Jawa Timur (60294) Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Ilmiah Teknologi Informasi dan Robotika
Published by Universitas Pembangunan Nasional Veteran Jawa Timur
ISSN : 26864339     EISSN : 26864339     DOI : https://doi.org/10.33005/jifti.v2i1
Core Subject : Science, Engineering,
Automotive Engineering Computer Science & IT Control & Systems Engineering
Jurnal Ilmiah Teknologi Informasi dan Robotika (JIFTI) indeed discussing the research result on the topics of any challenge in the field of information technology and computer science. Therefore the journal prefers the idea on Artificial Intelligence, Computational Theory and Mathematics, Computer Graphics and Computer Aided Design, Computer Networks and Communications, Computer Science, Computer Vision, Pattern Recognition, Hardware and Architecture, Human Computer Interaction, Information Systems, Signal Processing, Robotics, and Software. The journal must be written in Indonesian and adheres to double blind peer review to ensure the originality and quality of the publication.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 108 Documents
 7   8   9   10   11 
Klasifikasi Kematangan Sawit Menggunakan Metode Convolutional Neural Network (CNN) Dengan Transfer Learning Xception Afandy, Imam; Ahmad, Bahauddin Nafis; Amartharizqi, Muhammad Rafly
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 2 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v6i2.158

Abstract

Penelitian ini membahas implementasi metode Deep Learning menggunakan algoritma Xception dengan augmentasi data untuk klasifikasi tingkat kematangan buah kelapa sawit. Dataset yang digunakan terdiri dari 613 citra sawit yang diperoleh dari Kaggle d. Data tersebut memiliki dua kelas, yaitu matang dan belum matang. Data yang diperoleh diperkaya melalui teknik augmentasi seperti flipping, zooming, dan penyesuaian pencahayaan. Penelitian ini menggunakan arsitektur Xception, yang memanfaatkan deptwise separable convolution untuk meningkatkan efisiensi komputasi dan akurasi dalam ekstraksi fitur. Preprocessing data meliputi rescaling pixel dan penyesuaian ukuran gambar menjadi 299 x 299 piksel, sesuai standar Xception. Model dilatih menggunakan optimizer Adam dengan pembagian data latih dan uji sebesar 85:15. Hasil menunjukkan dengan teknik augmentasi data dan arsitektur Xception hasil kinerja model memperoleh tingkat akurasi sebesar 90%. Studi ini memberikan kontribusi dalam pengembangan sistem klasifikasi otomatis berbasis citra, yang dapat mendukung efisiensi dalam industri kelapa sawit.
Implementasi Digital Image Processing Menggunakan Discrete Hermite Wavelet Filter Technique Dalam Pemberian Watermark Pada Citra Putri, Shintyadhita Wirawan; Siregar, Talitha Aurora Nadenggan; Salsabilah, Rafani Bardatus; Saputra, Gilang Enggar
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 2 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v6i2.160

Abstract

Keamanan data digital menjadi tantangan penting di era digital, terutama untuk melindungi konten multimedia seperti gambar, video, dan audio dari akses ilegal, duplikasi, dan penyebaran tanpa izin. Penelitian ini mengusulkan implementasi teknik Discrete Hermite Wavelet Filters Technique (DHWT) untuk meningkatkan keamanan data digital melalui watermarking. DHWT menggabungkan basis kernel hermite polynomial dan Discrete Wavelet Transform (DWT) untuk menyisipkan watermark secara efisien tanpa merusak kualitas citra asli. Metode ini melibatkan transformasi citra ke skala grayscale, analisis frekuensi menggunakan DHWT, dan dekomposisi citra menjadi empat sub-komponen frekuensi: LL, LH, HL, dan HH. Watermark biner disisipkan pada sub-komponen LH menggunakan dekomposisi QR dan logistic map, memastikan integrasi watermark yang halus namun tetap tahan terhadap serangan seperti kompresi, rotasi, dan noise. Hasil penelitian menunjukkan bahwa DHWT mempertahankan kualitas visual citra dengan peningkatan Peak Signal-to-Noise Ratio (PSNR) yang signifikan, menjadikannya teknik watermarking yang andal dan efisien. Penelitian ini menegaskan potensi DHWT dalam melindungi hak cipta dan integritas data digital, sekaligus menjawab tantangan keamanan data di era modern.
Optimalisasi Model CNN EfficientNet-B0 dengan Fine Tuning untuk Klasifikasi Penyakit Buah Jeruk Acaya Fazrin; Mutiara Fadhilatuzzahro; Zalfa Ibtisamah Arishandy; Tiara Amanda Sukoco
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 7 No. 1 (2025): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v7i1.162

Abstract

Jeruk merupakan tanaman yang rentan terkena penyakit, yang tanda penyakit tersebut dapat dilihat dari corak kulit jeruk tersebut. Virus-virus yang menyerang buah jeruk menjadi penyebab paling tinggi bagi para petani buah jeruk yang hanya mengandalkan ahli tanaman untuk melakukan pemeriksaan tanaman tersebut. Artificial Intelligent (AI) sudah diterapkan pada bidang kedokteran, peternakan, bahkan pertanian. Salah satu dari implementasi AI tersebut adalah Deep Learning. Salah satu Model Deep Learning dalam pengenalan citra yakni Convolutional Neural Network (CNN). Peneliti akan menggunakan arsitektur EfficientNet-B0 yang menyesuaikan banyaknya dataset yang dipakai, yakni sebanyak 986 data dengan beberapa skenario. Skenario yang digunakan yakni pembagian 90:10, 80:20, dan 70:30. Maka dari itu, peneliti berharap bahwa model EfficientNet-B0 masih dapat ditingkatkan lagi dengan membandingkannya dengan fine tuning. Secara keseluruhan, dapat disimpulkan bahwa penerapan teknik fine-tuning pada model pre-trained EfficientNet-B0 terbukti efektif dalam meningkatkan tingkat akurasi model pada seluruh skenario yang diuji. Hasil dari pengujian Teknik fine-tuning pada skenario pembagian data 80% data training dan 20% data validation, model dengan fine-tuning mencapai akurasi tertinggi sebesar 0.9878 dengan nilai loss terendah sebesar 0.0904, yang lebih baik dibandingkan dengan model tanpa fine-tuning yang hanya menghasilkan akurasi 0.9600 dengan nilai loss 0.1199. Peningkatan ini menunjukkan bahwa fine-tuning dapat memanfaatkan pengetahuan yang telah ada dalam model pre-trained seperti EfficientNet-B0 dan menyesuaikannya dengan dataset tertentu untuk menghasilkan prediksi yang lebih akurat.
Deteksi Dan Klasifikasi Cacat Pada Produk Kain Dengan Metode Pengolahan Citra Digital Trianingsih, Arini; Amalia, Nadhia Rizqy; Naila, Amelia Maslaqun; Anggraeny, Fetty Tri
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 2 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v6i2.164

Abstract

Penelitian ini membahas tentang metode yang dapat digunakan untuk mendeteksi dan mengklasifikasi cacat pada kain menggunakan berbasis pengolahan citra digital. Tujuan dari penelitian ini adalah meningkatkan akurasi dan efisiensi deteksi cacat kain melalui pemrosesan citra yang lebih cepat dibanding dengan pengamatan manual. Dalam penelitian ini, gambar kerusakan kain diunggah dan program akan melakukan deteksi menggunakan pemrosesan gambar. Langkah pertama mengubah gambar menjadi grayscale. Selanjutnya, dilakukan penghilangan noise atau filtering, konversi biner melalui thresholding, serta mengaplikasikan operasi morfologi untuk perbaikan hasil citra. Kontur pada gambar kemudian dianalisis untuk mengidentifikasi area yang menunjukkan kerusakan pada kain, seperti kerusakan pada weft satu warp kain. Terdapat 7 jenis klasifikasi cacat yaitu hole, float, thick or thin weft, double pick, insufficient weft density, excessive weft density, dan broken weft. Klasifikasi ini dihitung berdasarkan ukuran kontur dan pengukuran tambahan lebar dan tinggi bounding box. Hasil penelitian ini menunjukkan tingkat keberhasilan deteksi cacat yang tinggi dengan klasifikasi yang akurat untuk setiap jenis kerusakan pada kain sehingga bermanfaat untuk inspeksi otomatis di industri kecil.
Pengenalan Pola Penyakit Pada Gambar Daun Tanaman Kentang Memanfaatkan Metode Convolution Neural Network Habibi, Faisal Wildan; Irawan, Nauval Maulana Rizky; Syaifulloh, Dafauzan Bilal; Aprillian, Farrel; Anggraeny, Fetty Tri
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 1 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v6i1.167

Abstract

Kentang (Solanum tuberosum) merupakan komoditas pertanian penting yang rentan terhadap penyakit seperti late blight dan early blight. Metode deteksi penyakit secara tradisional seringkali kurang akurat dan efisien, sehingga diperlukan teknik komputasi lanjutan. Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk mendeteksi penyakit daun kentang dengan klasifikasi tiga kategori: sehat, late blight, dan early blight. Menggunakan dataset PlantVillage dengan total 2152 citra, model CNN dilatih dan diuji. Proses preprocessing meliputi pengubahan ukuran citra menjadi 150 x 150 piksel dan normalisasi nilai piksel. Hasil menunjukkan akurasi model sebesar 94,88%. Metrik evaluasi seperti precision, recall, dan F1-score menunjukkan keandalan model yang tinggi. Penelitian ini menunjukkan potensi CNN dalam mengotomatisasi deteksi penyakit tanaman, sehingga dapat meningkatkan produktivitas dan mengurangi kerugian.
Pengembangan IAMFA II Sebagai Peningkatan Algoritma Filter Median Pada Aplikasi Visi Komputer Secara Real Time Pradipta, M. Najmi Arya; Firjatullah, Adika; Thariq, Muhammad Fadli Al; Sankalla, Sabda; Anggraeny, Fetty Tri
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 2 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v6i2.169

Abstract

Median filtering merupakan teknik yang umum digunakan dalam pengolahan citra untuk mengurangi noise, terutama noise impulsif. Namun, algoritma median tradisional sering kali memiliki waktu pemrosesan tinggi, sehingga kurang cocok untuk aplikasi real-time. Penelitian ini bertujuan mengembangkan algoritma median filter yang lebih cepat dan efisien, IAMFA-I dan IAMFA-II, untuk digunakan dalam aplikasi visi komputer real-time. Studi ini mencakup analisis kelemahan median filter tradisional, implementasi algoritma baru, serta evaluasi kinerja menggunakan metrik PSNR, SSIM, dan waktu pemrosesan CPU. Hasil menunjukkan bahwa IAMFA-II adalah algoritma tercepat, sementara DP memberikan akurasi terbaik. Temuan ini memberikan kontribusi pada pengembangan algoritma pengolahan citra yang lebih efisien dan berkualitas tinggi.
Evaluasi Keamanan Aplikasi Mobile Banking: Ancaman, Perlindungan dan Studi Kasus Pada Sistem Perbankan Digital Aziza, Nur; Wardhani, Dyah Febria
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 7 No. 1 (2025): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v7i1.184

Abstract

Keamanan aplikasi mobile banking merupakan isu krusial di era digital, seiring dengan meningkatnya jumlah pengguna dan kompleksitas ancaman siber yang dapat membahayakan integritas serta kerahasiaan data nasabah. Penelitian ini bertujuan untuk mengevaluasi tingkat keamanan aplikasi mobile banking dengan mengidentifikasi potensi ancaman serta menelaah strategi mitigasi yang diterapkan. Kebaruan dari penelitian ini terletak pada pendekatan komprehensif terhadap celah keamanan yang belum banyak dibahas secara mendalam dalam studi sebelumnya, terutama yang berkaitan dengan manajemen sesi pengguna dan eksploitasi perangkat lunak berbahaya. Metode yang digunakan adalah library research, dengan menganalisis berbagai literatur akademik, laporan industri keamanan, dan hasil penelitian terdahulu terkait sistem perbankan digital. Hasil menunjukkan bahwa sebagian besar aplikasi telah menerapkan enkripsi data dan autentikasi berlapis, namun masih rentan terhadap serangan man-in-the-middle, injeksi kode berbahaya, serta serangan berbasis malware. Kesimpulan dari penelitian ini menekankan pentingnya penguatan sistem keamanan melalui penerapan autentikasi multifaktor, algoritma enkripsi yang lebih kuat, serta peningkatan literasi dan kesadaran pengguna terhadap praktik keamanan digital yang baik.
Implementasi Teknik Pengolahan Citra Digital untuk Deteksi Objek dari Latar Belakang Kompleks Adhim, Abdillah Faruqul; Alfian Bima Prastyo; Bagas Maulana Akbar; Erik Evranata Pardede; Fetty Tri Angrraeny
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 7 No. 1 (2025): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v7i1.161

Abstract

Pengolahan citra digital merupakan salah satu teknologi penting untuk mendeteksi objek secara otomatis dari latar belakang kompleks, yang banyak digunakan dalam berbagai bidang, termasuk industri dan penelitian. Dalam proyek ini, metode deteksi objek dikembangkan berdasarkan pengolahan warna dan deteksi bentuk, dengan fokus pada objek berbentuk lingkaran seperti buah mangga. Tahapan utama meliputi pengolahan warna RGB untuk menghilangkan objek yang tidak relevan, konversi citra ke skala abu-abu untuk penyaringan lebih lanjut, dan transformasi Hough melingkar (Circular Hough Transform, CHT) untuk mendeteksi pola lingkaran. Studi ini menunjukkan bahwa teknik pengolahan warna efektif dalam mengidentifikasi objek dalam kondisi pencahayaan statis, sedangkan metode deteksi bentuk menggunakan CHT lebih andal untuk menangani variasi warna dan latar belakang kompleks. Hasil pengujian menunjukkan tingkat keberhasilan yang bervariasi, tergantung pada intensitas cahaya dan tingkat kebisingan citra. Kendala utama yang dihadapi adalah ketidakkonsistenan pencahayaan dan deteksi objek yang saling tumpang tindih. Secara keseluruhan, metode ini memberikan pendekatan yang menjanjikan untuk deteksi objek secara otomatis dan dapat diterapkan pada skenario lain dengan penyesuaian yang sesuai.

Page 11 of 11 | Total Record : 108

 7   8   9   10   11 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2025): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 2 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 6 No. 1 (2024): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 5 No. 2 (2023): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 5 No. 1 (2023): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 4 No 1 (2022): Juni 2022 Vol. 4 No. 1 (2022): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 3 No 2 (2021): Desember 2021 Vol 3 No 1 (2021): Juni 2021 Vol. 3 No. 2 (2021): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 3 No. 1 (2021): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 2 No 2 (2020): Desember 2020 Vol 2 No 1 (2020): Juni 2020 Vol. 2 No. 2 (2020): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 2 No. 1 (2020): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 1 No 2 (2019): Desember 2019 Vol 1 No 1 (2019): Juni 2019 Vol. 1 No. 2 (2019): Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 1 No. 1 (2019): Jurnal Ilmiah Teknologi Informasi dan Robotika More Issue