cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Henny Dwi Bhakti
Contact Email
indexia@umg.ac.id
Phone
+6281322005573
Journal Mail Official
indexia@umg.ac.id
Editorial Address
Jl Sumatra, 101,GKB Gresik Fakultas Teknik Program Studi Teknik Informatika Universitas Muhammadiyah Gresik
Location
Kab. gresik,
Jawa timur
INDONESIA
Indexia
Published by Universitas Muhammadiyah Gresik
ISSN : 26570432     EISSN : 26570424     DOI : http://dx.doi.org/10.30587/indexia.v3i1
Core Subject : Science,
Computer Science & IT
Jurnal Informatic and Computational Intelligent (INDEXIA) merupakan jurnal nasional yang diterbitkan oleh Program Studi Teknik Informatika Fakultas Teknik (FT), Universitas Muhammadiyah Gresik (UMG) sejak tahun 2019. INDEXIA memuat artikel hasil-hasil penelitian di bidang Informatika dan Kecerdasan Komputasi. INDEXIA berkomitmen untuk menjadi salah satu jurnal nasional berkualitas dengan mempublikasikan artikel penelitian dengan bahasa indonesia sebagai sumber rujukan dan publikasi bagi para peneliti untuk pengembangan ilmu pengetahuan khususnya di bidang Informatika dan Kecerdasan Komputasi.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 6 Documents
 1 
Search results for , issue "Vol 4 No 2 (2022): INDEXIA Vol.4 No.2" : 6 Documents clear
PEMETAAN BIDANG KEILMUAN MAHASISWA DENGAN MENGGUNAKAN METODE FUZZY C-MEANS ( STUDI KASUS : PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS MUHAMMADIYAH GRESIK) Rachmad Deo Abdika
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.3639

Abstract

Program Studi Teknik Informatika merupakan salah satu program studi yang ada di fakultas teknik Universitas Muhammadiyah Gresik. Program Studi Teknik Informatika sudah memiliki bidang keilmuan, bidang keilmuan yang telah ditentukan oleh prodi antara lain adalah Bidang Keilmuan Artificial Intelegent, Bidang Keilmuan Rekayasa Perangkat Lunak dan Bidang Keilmuan Jaringan. Clustering merupakan suatu teknik data mining dengan cara mengelompokan data kedalam beberapa cluster sehingga data-data di suatu cluster memiliki kemiripan maksimum. Metode Fuzzy C- Means( FCM) yaitu salah satu metode pengclusteran data yang mana keberadaan masing- masing titik data dalam sesuatu cluster didetetapkan oleh derajat keanggotaan. Penelitian ini mengahasilkan bobot optimal untuk Fuzzy C-Means, menghasilkan nilai Silhouette Coefficient 0,532 berkategori sedang dan mengahilkan nilai purity 0,806.
PERBANDINGAN METODE GLCM DAN LBP DALAM KLASIFIKASI JENIS KAYU yudha arya prasaja
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.4292

Abstract

ABSTRAK Kayu di indonesia memiliki beraneka ragam jenisnya, antara lain kayu meranti, keruing, agathis dan lain sebagaianya. Pengelompokan jenis kayu biasanya ditentukan oleh beberapa parameter, diantaranya adalah warna, berat, tekstur dan masih banyak lagi. Salah satu faktor penting dalam pengelompokan jenis kayu adalah tekstur kayu. Pengelompokan jenis kayu biasanya hanya dapat dilakukan oleh para ahli kayu. Untuk mengatasi hal ini maka digunakanlah suatu teknologi untuk menganalisis suatu tekstur kayu agar dapat diklasifikasikan kedalam kelas-kelas tertentu. Oleh karena itu, diperlukan sebuah sistem yang dapat melakukan klasifikasi jenis kayu berdasarkan tekstur. Penelitian ini menerapkan teknologi pengolahan citra digital menggunakan metode ekstraksi fitur gray level co-occurance matrix (GLCM) dan local binary pattern (LBP) untuk menghasilkan parameter nilai ekstraksi fitur pada tektur kayu. Hasil dari parameter GLCM dan LBP kemudian digunakan sebagai data untuk klasifikasi jenis kayu menggunakan metode multilayer perceptron (MLP). Dalam penelitian ini menggunakan 3 jenis kayu sebagai data latihan dan data uji, yaitu kayu agathis, keruing dan meranti. Hasil penelitian ini menggunakan metode GLCM diperoleh tingkat akurasi sebesar 90%. Sedangkan menggunakan metode LBP diperoleh tingkat akurasi sebesar 70%. Kata kunci: Perbandingan,Klasifikasi,kayu,GLCM,LBP ABSTRACT Wood in Indonesia has various types, including meranti wood, keruing, agathis and so on. The grouping of wood types is usually determined by several parameters, including color, weight, texture and many more. One of the important factors in classifying wood types is wood texture. Classification of wood types can usually only be done by wood experts. To overcome this, a technology is used to analyze a wood texture so that it can be classified into certain classes. Therefore, we need a system that can classify wood types based on texture. This research applies digital image processing technology using gray level co-occurance matrix (GLCM) and local binary pattern (LBP) feature extraction methods to generate feature extraction value parameters on wood texture. The results of the GLCM and LBP parameters were then used as data for the classification of wood species using the multilayer perceptron (MLP) method. In this study, 3 types of wood were used as training data and test data, namely agathis, keruing and meranti wood. The results of this study using the GLCM method obtained an accuracy rate of 90%. While using the LBP method obtained an accuracy rate of 70%. Keywords: Comparison, Classification, wood, GLCM, LBP
SISTEM PREDIKSI DIAGNOSA PENYAKIT HEPATITIS MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN) SINGLE LAYER PERCEPTRON STUDI KASUS PADA PUSKESMAS TAMBAK Ryan Haris Bawafi
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.3526

Abstract

Puskesmas Tambak merupakan suatu organisasi kesehatan fungsional sebagai pusat pengembangan kesehatan masyarakat serta membina peran masyarakat di samping memberikan pelayanan secara menyeluruh dan terpadu kepada masyarakat di wilayah kerjanya dalam bentuk kegiatan pokok. Puskesmas Tambak terletak di Kecamatan Tambak, Pulau Bawean, Kabupaten Kebomas, Gresik. Meningkatnya penyakit hepatitis di kalangan masyarakat sekitar menimbulkan peningkatan permohonan tes fungsi hati yang terdiri dari ALT, AST, ALP, ALB, BIL, dan GGT. Hasil tes fungsi hati dilihat dengan signifikan menggunakan algoritma pohon klasifikasi karena dapat memperoleh informasi mengenai data klasifikasi pasien penyakit hepatitis. Banyaknya permintaan pasien penyakit hepatitis untuk melakukan tes fungsi hati menimbulkan permasalahan prediksi diagnosa pasien penyakit hepatitis di Puskesmas Tambak dengan metode Artificial Neutral Network Perceptron dengan melakukan optimalisasi perulangan (iterations) pada model algoritma neutral network dengan optimal, sehingga hasil prediksi lebih akurat. Hasil pengujian yang telah dilakukan dalam pembuatan sistem prediksi diagnosa pasien penyakit hepatitis dengan metode ANN single layer perceptron ini telah berhasil dibangun dan dapat diaplikasikan untuk memprediksi diagnosa pasien hepatitis di Puskesman Tambak.
KLASIFIKASI KEPRIBADIAN SESEORANG BERDASARKAN POSTINGAN TWITTER DENGAN ALGORITMA NAÏVE BAYES CLASSIFICATION STUDI KASUS : CV. WILIS ELEKTRONIK Adi Setiawan
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.4301

Abstract

Kepribadian seseorang dapat mempengaruhi interaksi individu terhadap orang lain dan lingkungan sekitar. Sehingga dalam dunia kerja, kepribadian merupakan salah satu faktor pendukung keberhasilan kinerja. Salah satu inventori kepribadian adalah Big Five Personality yang dikembangkan oleh Lewis Goldberg (1992). Goldberg, merumuskan pengelompokkan ribuan ciri sifat yang membedakan individu satu dengan yang lainnya menjadi 5 himpunan kepribadian yaitu Extraversion, Agreeableness, Conscientiousness, Neuroticism, dan Openness. Ciri kepribadian seseorang dapat diperoleh dari teks yang diunggahnya di media sosial. Pemilihan kata- kata yang sering digunakan dapat menggambarkan kepribadian orang tersebut. Penelitian ini menggunakan metode Naïve Bayes untuk melakukan klasifikasi kepribadian pegawai di CV. Wilis Elektronik. Adapun sumber data yang yang digunakan adalah data masukan yang berasal dari hasil crawling akun twitter pegawai, data talih berasal dari Open Psycometric Project berupa 1000 jawaban kuesioner yang dikumpulkan secara onilne, dan data keluaran yang merupakan hasil dari proses klasifikasi. Serta dilakukan preprocessing dan pembobotan menggunakan algoritme TF-IDF pada data masukan dan data latih. Berdasarkan hasil analisis dan implementasi yang dilakukan, dapat diambil kesimpulan bahwa sistem dapat melakukan prediksi atau klasifikasi kepribadian. Secara umum diperoleh hasil yang sesuai dengan yang diharapkan, mulai dari proses crawling data hingga proses klasifikasi. Sistem Klasifikasi Kepribadian Berdasarkan Postingan Twitter ini dapat menyederhanakan tes kepribadian yang ada di CV. Wilis Elektronik. Sehingga HRD tidak perlu lagi mengadakan sesi wawancara dan deskripsi diri untuk mengetahui kepribadian pegawainya.
Penentuan Kesesuaian Lahan Budidaya Buah Apel Di Kota Batu menggunakan Fuzzy Inference System Tsukamoto Farhanna Mar'i; Irvi Oktanisa; Ullump Pratiwi; Wayan Firdaus Mahmudy
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.4954

Abstract

Penurunan produksi tanaman buah apel disebabkan oleh semakin berkurangnya lahan untuk melakukan budidaya buah apel di kota Batu. Untuk memaksimalkan produksi, maka petani perlu memilih lahan yang tepat. Untuk memilih lahan yang tepat bukanlah hal yang mudah sehingga penggunaan Fuzzy Inference System (FIS) menggunakan metode Tsukamoto dapat mempermudah petani menentukan lahan yang layak untuk membudidayakan buah apel. Pada penelitian ini digunakan empat kriteria utama yang dibutuhkan untuk menentukan kesesuaian lahan yaitu curah hujan, kedalaman efektif perakaran, kelerengan, dan erosi. Output yang dihasilkan pada penelitian ini merupakan hasil penentuan lahan tanam dengan kategori sangat sesuai, sesuai marginal, cukup sesuai, dan tidak sesuai dengan kondisi masukan. Berdasarkan perhitungan akurasi sistem yang diukur menggunakan aturan yang didapatkan dari literatur pada penelitian ini menghasilkan tingkat akurasi sebesar 100%.
Sistem Pendukung Keputusan Pengangkatan Karyawan Kontrak Menjadi Karyawan Tetap Dengan Menggunakan Metode Topsis (Studi Kasus : Pt. Sumber Mas Indah Plywood) Muhammad Yusril Bahtiar
Indexia : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/indexia.v4i2.4329

Abstract

Proses pengangkatan karyawan kontrak menjadi karyawan tetap pada PT. Sumber Mas Indah Plywood didasarkan pada beberapa kriteria yang masih bersifat subjektif dan akan menimbulkan masalah karena keterlibatan preferensi atasan. Karena itu, perusahaan membutuhkan suatu sistem yang dapat membantu memberikan rekomendasi karyawan kontrak untuk diangkat menjadi karyawan tetap. Metode yang digunakan pada penilitian ini adalah TOPSIS, metode ini menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi ideal. kriteria penilaian yang digunakan pada penelitian ini yaitu: absensi, kinerja, kedisiplinan, loyalitas, pelanggaran, masa kerja dan pendidikan terakhir. Perbandingan dengan beberapa metode dengan model yang sama yakni SAW dan WP, mendapatkan hasil bahwa metode TOPSIS dapat menghasilkan nilai preferensi dan juga urutan peringkat yang lebih bervariasi atau tidak adanya nilai yang sama. Berdasarkan hasil pengujian disimpulkan bahwa hasil keputusan pengangkatan karyawan tetap dengan metode TOPSIS dan hasil evaluasi penilian HRD menghasilkan 27 hasil yang sesuai dengan keinginan HRD, sehingga nilai akurasi dari perhitungan TOPSIS terhadap evaluasi HRD sebesar 54%. Dan dapat disimpulkan bahwa penelitian ini dapat digunakan untuk mempermudah pihak HRD dalam proses seleksi pengangkatan karyawan tetap dengan penilaian yang objektif sesuai kriteria penilaian yang telah ditetapkan perusahaan dan kriteria tambahan dari penelitian ini.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2025): INDEXIA : Informatics and Computational Intelligent Journal Volume 7 Nomor 1 Me Vol. 6 No. 2 (2024): INDEXIA : Informatics and Computational Intelligent Journal Volume 6 Nomor 2 No Vol 6 No 1 (2024): INDEXIA : Informatics and Computational Intelligent Journal Volume 6 Nomor 1 Mei Vol 5 No 02 (2023): INDEXIA : Informatics and Computational Intelligent Journal Vol 5 No 01 (2023): INDEXIA : Informatics and Computational Intelligent Journal Vol 4 No 2 (2022): INDEXIA Vol.4 No.2 Vol 4 No 1 (2022) Vol 3 No 2 (2021): Vol. 3 No. 2 (2021) Vol 3 No 1 (2021): Vol. 3 No. 1 (2021) Vol 1 No 2 (2019): Vol 1 No 2 (2019) Vol 2 No 2 (2020): Vol 2 No 2 (2020) Vol 2 No 1 (2020): Vol 2 No 1 (2020) Vol 1 No 1 (2019) More Issue