cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Esther Irawati Setiawan
Contact Email
esther@istts.ac.id
Phone
+62315027920
Journal Mail Official
insyst@istts.ac.id
Editorial Address
Kampus Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya) Ngagel Jaya Tengah 73-77, Surabaya, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
Insyst : Journal of Intelligent System and Computation
Published by Sekolah Tinggi Teknik Surabaya
ISSN : 26219220     EISSN : 27221962     DOI : https://doi.org/10.52985/insyst
Core Subject : Science,
Computer Science & IT
The Intelligent System and Computation Journal will be published for 2 editions in a year, every April and October. The Intelligent System and Computation Journal is an open access journal where full articles in this journal can be accessed openly. Review in this journal will be conducted with a blind review system. All articles in this journal will be indexed by Google Scholar. The topics contained in this journal consist of several fields (but not limited to): Algorithms and complexity Artificial Intelligence Big Data Analytics Biomedical Instrumentation Computational logic Computer Vision and Biometric Data and Web Mining Digital Signal Processing Image Processing Information Retrieval & Information Extraction Intelligence Embedded Systems Machine Learning Mathematics and models of computation Natural Language Processing Parallel & Distributed Computing Pattern Recognition Programming languages and semantics Speech Processing Virtual Reality & Augmented Reality
Arjuna Subject : Ilmu Komputer (semua kategori) - Kecerdasan Buatan
Articles 94 Documents
 1   2   3   4   5 
Pengaruh Penggunaan Augmented Reality pada Pembelajaran Sistem Saluran Pernapasan dan Sistem Saluran Pencernaan pada Tubuh Manusia Rico, Rico Fiyan Hady; Armanto, Hendrawan
Intelligent System and Computation Vol 2 No 1 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i1.155

Abstract

Dituliskan Augmented Reality (AR) merupakan peluang baru untuk mempermudah kegiatan manusia dalam mengilustrasikan sesuatu. Karena pada dasarnya konsep AR adalah menampilkan objek grafis menjadi tampak nyata seolah ada dihadapan kita. Dalam segi pendidikan hal ini akan sangat berpengaruh mengingat konsep dari AR itu sendiri. Aplikasi ini akan mempermudah interaksi dua arah mengenai materi yang sedang disampaikan khususnya dalam jenjang sekolah dasar. Peserta didik seolah akan melihat objek yang sedang diajarkan berada didepan mereka. Hal ini membuat peserta didik dapat mengerti secara komplek dan terstruktur mengenai sistem pencernaan dan sistem pernapasan pada tubuh manusia dengan hanya menggunakan smartphone dan sebuah gambar sebagai marker. Hasil penelitian disalah satu sekolah mengungkap hasil belajar siswa dengan menggunakan metode pembelajaran AR akan meningkatkan pemahaman peserta didik dalam mengenal organ sesuai dengan kuisoner yang sudah diberikan. Aplikasi ini berhasil membantu belajar peserta didik untuk memperlajari sistem pernapasan dan sistem perncernaan pada tubuh manusia dengan menggunakan teknologi Augmented Reality (AR).
AUTOMATIC PARENTAL GUIDE SCENE CLASSIFICATION MENGGUNAKAN METODE DEEP CONVOLUTIONAL NEURAL NETWORK DAN LSTM Gunawan, Riko; Kristian, Yosi
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.124

Abstract

Menonton film merupakan salah satu hobi yang paling digemari oleh berbagai kalangan. Seiring dengan semakin bertambahnya film yang beredar di pasaran, semakin banyak pula konten tidak pantas pada film-film tersebutu. Oleh karena itu, dibutuhkan sebuah metode untuk mengklasifikasikan film agar konten yang ditonton sesuai dengan usia penonton. Konten film yang kurang cocok untuk pengguna di bawah umur yang akan diklasifikasikan pada penelitian ini antara lain: kekerasan, pronografi, kata-kata kasar, minuman keras, penggunaan obat-obatan terlarang, merokok, adegan mengerikan (horror) dan intens. Metode klasifikasi yang digunakan berupa modifikasi dari convolutional neural network dan LSTM. Gabungan kedua metode ini dapat mengakomodasi data training dalam jumlah yang kecil, serta dapat melakukan multi klasifikasi berdasarkan video, audio, dan subtitle film. Penggunaan multi klasifikasi ini dikarenakan sebuah film selalu memiliki lebih dari satu klasifikasi. Dalam proses training dan testing pada penelitian ini digunakan sebanyak 1000 data untuk klasifikasi video, 600 data klasifikasi audio, dan 400 data klasifikasi subtitle yang didapatkan dari internet. Dari hasil percobaan dihasilkan tingkat akurasi yang diukur dengan menggunakan F1-Score sebesar 0.922 untuk klasifikasi video, 0.741 untuk klasifikasi audio, dan 0.844 untuk klasifikasi subtitle dengan rata-rata akurasi sebesar 0.835. Pada penelitian berikutnya akan dicoba dengan menggunakan metode Deep Convolutional Neural Network yang lain serta dengan memperbanyak jumlah dan variasi dari data testing.
Steering, Throttle Dan Brake Prediction pada Simulator Self-Driving Car Memanfaatkan CNN Raharjo, Andre Nyoto; Andreas
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.147

Abstract

Manusia dapat mengendarai mobil dengan cara belajar sendiri, belajar dari orang lain atau dengan menirukan cara mengemudi orang lain. Dalam mengemudikan mobil pengemudi akan melihat kondisi jalan dan kondisi mobil sebagai pertimbangan untuk menentukan kontrol kemudi yang akan dijalankan seperti nilai steering angle, throttle dan brake. Dengan pembelajaran atau menirukan kebiasaan manusia, mesin juga mampu untuk melakukan hal yang sama yang dapat dilakukan oleh manusia seperti mengemudikan mobil. Maka dari itu akan dibuat program yang dapat mengemudikan mobil dengan menentukan nilai steering angle, throttle dan brake menggunakan data gambar kamera depan mobil, nilai steering angle, throttle, brake dan speed terakhir mobil. Aplikasi akan dibuat menggunakan Keras untuk pembuatan model, training dan testing. Berbagai teknik augmentasi gambar digunakan untuk menghasilkan gambar baru dengan jumlah tidak terbatas dari data gambar asli yang dikumpulkan. Program menggunakan simulator mobil untuk melakukan pengumpulan data dan uji coba program. Simulator dipilih sebagai media karena mudah dalam hal pengumpulan data dan tidak ada risiko terjadi kecelakaan seperti pada dunia nyata. Dengan adanya program ini, mesin dapat mengemudikan mobil secara otonom. Dari hasil eksperimen disimpulkan bahwa performa terbaik model tercapai pada model yang menggunakan dataset Lake dan Mountain, menggunakan augmentasi data, menggunakan channel warna YUV, menggunakan gambar dan state dari mobil sebagai input, learning rate 0.0001, dan drop out 0.5.
Stance Classification Pada Berita Berbahasa Indonesia Berbasis Bidirectional LSTM Setiawan, Esther Irawati; Ika Lestari
Intelligent System and Computation Vol 3 No 1 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i1.148

Abstract

Berita palsu masih menjadi masalah yang harus mendapat perhatian khusus. Media sosial, termasuk Facebook menjadi salah satu sarana yang mudah dan murah untuk menyebarkan suatu informasi yang bahkan belum tentu kebenarannya. Informasi tentang kesehatan menjadi salah satu topik berita palsu yang banyak tersebar ke masyarakat. Cara yang berbeda untuk mendeteksi berita palsu yaitu dengan menggunakan deteksi sikap (stance detection). Tujuan utama dari penelitian ini adalah merancang model yang memiliki kemampuan terbaik untuk melakukan tugas stance classification pada konteks bahasa Indonesia. Model ini diharapkan dapat digunakan untuk berkontribusi dalam menanggulangi masalah penyebaran berita palsu, khususnya di Indonesia. Metode BiLSTM dan GRU diusulkan untuk digunakan dalam melakukan stance classification terhadap headline berita dengan kelas for (mendukung), against (menentang), dan observing (netral). Stance classification pada penelitian ini menggunakan data sebanyak 3.941 headline berita yang terdiri dari 563 klaim dengan 7 tanggapan. Dataset dikumpulkan dari artikel-artikel berita kesehatan berbahasa Indonesia yang diposting pada laman Facebook. Model pada penelitian ini mampu menghasilkan akurasi F1-score paling tinggi sebesar 64% dengan FastText embedding. Metode GRU dapat menjadi salah satu pilihan tepat untuk melakukan stance classification dengan komputasinya yang lebih sederhana. Kinerja FastText jauh lebih unggul dibandingkan dengan Word2Vec dalam melakukan pembentukan vektor kata karena mampu mengatasi masalah out-of-vocabulary (OOV).
Deteksi Pemakaian Helm Proyek Dengan Metode Convolutional Neural Network Bambang Widodo; Hendrawan Armanto; Endang Setyati
Intelligent System and Computation Vol 3 No 1 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i1.157

Abstract

Penggunaan helm proyek pada pekerjaan dengan resiko kecelakaan tinggi seperti pekerjaan konstruksi seringkali diabaikan oleh pekerja, sehingga apabila terjadi kecelakaan kerja yang tidak diinginkan seperti kejatuhan benda keras dari atas atau terjadi benturan keras pada kepala akan berakibat fatal bagi pekerja tersebut. Penelitian ini bertujuan untuk mendeteksi pemakaian helm proyek oleh pekerja konstruksi pada citra. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network YOLO. Sistem terdiri dari tiga proses utama yaitu proses pre processing, proses training dan proses deteksi. Proses pre processing adalah melakukan resize dan anotasi labeling pada citra dataset. Selanjutnya adalah proses training pada dataset dengan menggunakan transfer learning YOLOv2. Pada proses deteksi digunakan 4 buah anchor box pada setiap grid pada citra, hasil dari mencari nilai ukuran bounding box yang memiliki IOU terbaik dengan melakukan proses clustering pada dataset training dan validasi yang terdapat bounding box menggunakan algoritma K-Mean clustering. Algoritma Intersection Over Union (IOU) dan Non Max Suppression (NMS) digunakan agar bounding box prediksi yang dibuat presisi dengan objek yang berhasil dideteksi dan untuk menghilangkan multideteksi pada objek yang sama. Proses deteksi pada sistem ini melakukan lokalisasi dan klasifikasi dengan sekali langkah proses sehingga hasil dari proses deteksi ini adalah orang menggunakan helm proyek dan orang tidak menggunakan helm proyek. Pengujian sistem deteksi dilakukan secara individu maupun kelompok maksimal 5 orang dengan F1-score yang diperoleh sebesar 0,79.
Pemanfaatan 3D U-Net untuk Segmentasi 3 Dimensi Gelembung Penyebab Kanker Paru-paru (Nodule) pada Lapisan Citra CT Scan Pribadi, Agung; Adisusilo, Anang Kukuh
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.159

Abstract

Kanker paru-paru adalah salah satu tipe kanker yang mematikan di seluruh dunia. Proses pendeteksian manual memakan banyak waktu dan energi untuk dituangkan. Kerja keras sekalipun tidaklah cukup, maka telat dalam pendeteksian telah menjadi faktor utama dalam tingkat kesembuhan. Menggunakan[ CT Scan adalah salah satu alat skrining yang potensial, tetapi program skrining otomatis dibutuhkan untuk menghemat waktu. Pendeteksian, menyegmentasi dan penggolongan nodule adalah tiga poin utama untuk membuat ini menjadi nyata. Oleh karena itu, dalam mengambil bagian untuk membuat program itu, tugas akhir ini akan melakukan fokus menyegmentasi nodule. Pada awal program, pertama dibutuhkan hasil CT Scan dan segmentasi nodulenya. Selain itu, juga dibutuhkan titik koordinat centroid dari nodule dari hasil scan tersebut. Setelah mengetahui titik centroid dari nodule, maka proses preprocessing akan menjadi mudah. Program akan mengambil daerah sekitar nodule dan nodule sebagai titik tengahnya, hasil dari proses ini adalah sebuah kubus yang memiliki ukuran yang sama untuk semua hasil preprocess yang sebelumnya sudah ditentukan. Setelah mendapatkan kubus daerah sekitar nodule, proses normalisasi akan dilakukan sehingga data siap untuk ditraning oleh neural network. 2 Model dibuat dengan arsitektur yang berbeda, seperti menggunakan U-Net biasa dan U-Net++. Hasil dari program akan menghasilkan skor Jaccard index dengan tingkat keakuratan tertinggi sebesar 79.8%. Didapatkan kesimpulan bahwa penggunaan U-Net biasa dan U-Net++ tidak memiliki perbedaan akurasi yang signifikan, meskipun memiliki komponen layer dan aktivasi yang sama.
Pembuatan Turn Based Tactical Game “Hex World” Dilengkapi Dengan Artificial Intelligence Rianka Kristian, Albert; Armanto, Hendrawan
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.162

Abstract

Tactical video game merupakan salah satu genre game yang mengutamakan perencanaan dan pemikiran yang mahir sebagai daya tarik game tersebut. Game tactical sering disertai dengan artificial intelligence sebagai lawan bermain agar pemain bisa menikmati game tersebut secara keseluruhan tanpa perlu bantuan pemain lain. Selain artificial intelligence, ada beberapa fitur-fitur lain yang menunjang pengalaman bermain, seperti skenario permainan beserta batasan-batasannya, goal yang harus dicapai, terrain dari papan permainan, dan karakter yang unik yang disediakan oleh game. Artificial intelligence merupakan komponen utama dari game tactical sehingga harus dibuat sedemikian rupa untuk dapat meningkatkan pengalaman bermain dari pemain. Kombinasi dari algoritma Behavior Tree, Influence Map, dan Utility AI dapat membuat artificial intelligence yang memadai yang dapat digunakan dalam game tactical. Dengan adanya fitur tambahan seperti terrain dan karakter yang unik, programmer sudah bisa membuat game tactical yang cukup menarik dan menantang.
Ekstraksi Informasi Berbasis Rule untuk Proceeding, Jurnal, dan Technical Report dengan Memanfaatkan Attribut Font dan Paragraf Santoso, Christian Aditya; Gunawan
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.163

Abstract

Digital library merupakan solusi yang baik untuk dunia edukasi. Hal ini disebabkan karena buku yang sudah berevolusi menjadi digital. Awalnya dalam bentuk fisik sekarang sudah dalam bentuk digital dengan ekstensi PDF. Namun untuk membangun sebuah digital library merupakan system yang besar dan kompleks, sehingga diperlukan bagian yang banyak. Penelitian ini mengambil satu bagian dari pengembangan system digital library, yaitu pada bagian preprocessing atau persiapan sumber data digital library. Penyedian sumber data digital library sangat luas dan banyak. Fokus dari penelitian ini adalah penyedian data dimana data tersebut adalah jurnal, prosiding dan paper. Dokumen tersebut dipilih karena dinilai memiliki manfaat yang besar untuk edukasi karena peneliti mendokumentasikan hasil penelitian pada dokumen tersebut. Dalam 1 paper tentunya ada bagian yang menjadi kunci yang menggambarkan intisari dari penelitian tersebut. Pada penelitian ini diambil informasi Judul, Abstract, Keyword dan penulis. Informasi tersebut dipercaya mampu menggambarkan intisari dari suatu paper. Proses dilakukan dengan terbagi menjadi 3 bagian besar yaitu konversi file mentah dengan ekstensi PDF menjadi file JSON, Proses pengambilan fitur, Proses ekstraksi informasi. Ekstraksi informasi pada penelitian ini menggunakan kumpulan rule yang diimplementasikan pada software. Rule di dapat dari hasil pengamatan selama penelitian. Hasil dari penelitian dilakukan perhitungan dengan memberikan bobot dimana hal yang terberat memiliki pengaruh yang lebih besar. Ketelitian yang dicapai adalah 81.32% dimana dari hipotesa awal pada ketelitain 80%. Namun masih banyak pengembangan yang bisa dilakukan agar lebih baik lagi pada penelitian selanjutnya
Deteksi Validitas Berita pada Media Sosial Twitter dengan Algoritma Naive Bayes Setiawan, Esther Irawati; Johanes, Sugiharto; Hermawan, Arya Tandy; Yamasari, Yuni
Intelligent System and Computation Vol 3 No 2 (2021): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v3i2.164

Abstract

Banyaknya berita-berita online sering menarik minat masyarakat untuk membacanya, tetapi kadang dengan terlalu banyaknya berita tersebut membuat orang susah mendapatkan informasi yang terpercaya. Berita palsu merupakan kumpulan kata atau kalimat yang mengandung informasi yang tidak benar yang berupaya untuk membohongi atau mengarahkan pembaca atau pendengarnya agar mendukung atau percaya dengan isi beritanya. Penyebar berita palsu umumnya mengetahui bahwa berita yang disebarkan tidak benar. Tujuan penelitian ini adalah mendeteksi berita palsu yang tersebar pada media sosial. Dalam mengklasifikasi berita palsu, deteksi validitas berita digunakan algoritma naïve bayes sebagai kategorisasi teks berbasis pembelajaran mesin. Penelitian ini juga membangun website yang menyediakan fitur web service, pencarian berita yang ada di Twitter, dan klasifikasi berita secara manual. User interface merupakan website berbasis PHP dimana pengguna dapat melakukan interaksi secara langsung sepeti komentar, login, atau melihat artikel-artikel yang sudah diklasifikasi. Sedangkan back-end dari website ini adalah program klasifikasi teks berbasis Python. Dari percobaan yang telah dilakukan ternyata algoritma Naïve Bayes dapat digunakan untuk mengklasifikasi berita palsu. Berdasarkan eksperimen, penggunaan metode naive bayes untuk deteksi validitas berita dengan data uji media social Twitter dapat mencapai nilai akurasi dengan persentase terbaik yaitu 92% pada data ujicoba sebesar 309 artikel.
Aplikasi Manajemen Hutang Piutang dengan OCR Berbasis Swift Warsito, Amelia Alexandra Putri; Pieter, Herry
Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v2i2.167

Abstract

Perkembangan aplikasi mobile yang pesat juga mendorong banyaknya aplikasi manajemen hutang perseorangan yang mulai beredar di pasaran. Saat ini, aplikasi manajemen hutang perseorangan bisa dibilang sudah cukup banyak, tetapi banyak dari aplikasi tersebut yang tidak terhubung langsung dengan perbankan. Apabila aplikasi tersebut diterapkan di era sekarang ini akan menjadi agak merepotkan, mengingat 80% orang Indonesia menyimpan sebagian besar uangnya pada rekening bank. Selain itu, akan menjadi sangat merepotkan apabila aplikasi pencatatan hutang yang digunakan tidak bisa membantu pengguna untuk mengecek mutasi masuk atau hutang mana yang sudah terbayar dan mana yang belum

Page 3 of 10 | Total Record : 94

 1   2   3   4   5 

Filter by Year

2019 2025


Reset
Filter By Issues
All Issue Vol 7 No 2 (2025): INSYST: Journal of Intelligent System and Computation Vol 7 No 1 (2025): INSYST: Journal of Intelligent System and Computation Vol 6 No 2 (2024): INSYST: Journal of Intelligent System and Computation Vol 6 No 1 (2024): INSYST: Journal of Intelligent System and Computation Vol 5 No 2 (2023): INSYST: Journal of Intelligent System and Computation Vol 5 No 1 (2023): INSYST: Journal of Intelligent System and Computation Vol 4 No 2 (2022): INSYST: Journal of Intelligent System and Computation Vol 4 No 1 (2022): INSYST: Journal of Intelligent System and Computation Vol 3 No 2 (2021): INSYST: Journal of Intelligent System and Computation Vol 3 No 1 (2021): INSYST: Journal of Intelligent System and Computation Vol 2 No 2 (2020): INSYST:Journal of Intelligent System and Computation Vol 2 No 1 (2020): INSYST:Journal of Intelligent System and Computation Vol 1 No 2 (2019): INSYST:Journal of Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation More Issue