cover
Contact Name
Arif Bijaksana Putra Negara
Contact Email
arifbpn@untan.ac.id
Phone
+62811578624
Journal Mail Official
editor_justin@informatika.untan.ac.id
Editorial Address
Sekretariat Justin Gedung Informatika Fakultas Teknik Universitas Tanjungpura Jl. Prof. Dr. Hadary Nawawi Pontianak 78124
Location
Kota pontianak,
Kalimantan barat
INDONESIA
JUSTIN (Jurnal Sistem dan Teknologi Informasi)
ISSN : 24603562     EISSN : 26208989     DOI : http://dx.doi.org/10.26418/justin
Core Subject : Science,
JUSTIN aims to publish research results and thoughts among academics, researchers, scientists, and practitioners in the field of informatics/computer science so that they are freely available to the public, and support the exchange of knowledge. The scope of JUSTIN is but is not limited to the following: theory and information science, information systems, information security, data processing and structure, programming and computing, software engineering, informatics, computer science, computer engineering, architecture and computer networks, robotics, parallel and distributed computing, operating systems, compilers and interpreters, games, numerical methods, mobile computing, natural language processing, data mining, cognitive systems, speech processing, machine learning, artificial intelligence, expert systems, geographical information systems, computational theory, and informatics applications in various fields.
Articles 19 Documents
Search results for , issue "Vol 11, No 2 (2023)" : 19 Documents clear
Pengembangan Arsitektur VGG16 dan DCNN7 pada Convolutional Neural Network dalam Melakukan Klasifikasi Pose Yoga Reiner Anggriawan Jasin; Vincent Leonard Santoso
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.55533

Abstract

Yoga merupakan olahraga yang sangat populer khususnya bagi kalangan wanita yang menginginkan bentuk tubuh yang sehat dan ideal. Yoga dapat dilakukan oleh siapapun baik pria maupun wanita dengan cara mengikuti beberapa pose tertentu yang berguna untuk meregangkan otot dalam tubuh dan memperbaiki postur tubuh. Pose merupakan salah satu hal utama dari yoga. Pose dalam yoga sangat beragam hingga bahkan banyak orang yang bingung dan akhirnya melakukan pose yoga yang tidak sesuai. Jika pose yang dilakukan tidak benar, yoga akan menjadi tidak efektif untuk dilakukan. Bahkan pada kasus parah, pose yang salah dapat menyebabkan cedera yang cukup serius. Akan cukup sulit untuk mengetahui pose yang salah jika tidak dilakukan oleh seorang profesional. Tetapi tidak semua orang memiliki keberanian dan rasa percaya diri untuk dilatih seorang profesional khususnya bagi orang-orang yang melakukan yoga secara mandiri di rumah. Pada penelitian ini, kami melakukan klasifikasi pose yoga dengan menggunakan Convolutional Neural Network yaitu salah satu metode klasifikasi gambar state of the art. 3 arsitektur utama yang akan digunakan adalah VGG-16, ResNet50 , dan DCNN-7 yang merupakan arsitektur paling populer dalam melakukan image classification. 2 arsitektur lain yang akan digunakan merupakan hasil rancangan kami sebagai peneliti dimana kami memanfaatkan VGG-16 dan DCNN-7 sebagai basis rancangannya. Dataset yang kami gunakan berasal dari gabungan beberapa dataset dari kaggle yang berjumlah 2.945 gambar yang berisikan pose yoga seperti downdog, goddess, plank, dan lainnya. Total class yang kami gunakan berjumlah 7 kelas sehingga klasifikasi kami bersifat multiclass. Hasil output dari penelitian ini adalah sebuah model Convolutional Neural Network yang dapat memprediksi pose yoga pada suatu gambar. Dari kelima model yang telah dilatih, salah satu arsitektur rancangan kami dengan nama Model 1 menunjukkan nilai akurasi 83,73%, loss 61,06%, precision 85,76%, dan recall 83,73%. Ini merupakan hasil yang paling optimal dibandingkan arsitektur model lainnya yang dipakai dalam penelitian ini.
Penerapan Metode HSV-TCA Untuk Mendeteksi Kutu Beras (Sitophylus Oryzae L) Secara Real-Time Uvi Desi Fatmawati; Wibby Aldryani Astusi Praditasari; Ria Aprilliyani
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.56039

Abstract

Metode HSV-TCA adalah sebuah penggabungan antara metode Tresholding dalam ruang warna HSV yang disempurnakan dengan metode deteksi Contour Area. Dalam penelitian ini, metode tresholding digunakan untuk memisahkan antara objek yang berupa kutu beras jenis Sitophilus Oryzae L dengan background-nya yaitu beras. Prinsip Region Of Interest (ROI) digunakan untuk meminimalisir kesalahan dalam pendeteksian dari kamera webcam dikarenakan ukuran beras dan kutu yang relatif kecil. Nilai treshold dan contour area (jenis contour dan lebar contour area) dapat dijadikan input dalam penggambaran ROI sehingga dapat dilakukan pengambilan gambar dalam bentuk tertentu seraca real-time. Percobaan pada dua kualitas beras telah dilakukan. Beberapa library OpenCV digunakan dan berfungsi dengan baik. Hasil penelitian ini menunjukkan bahwa metode ini bisa memisahkan antara objek kutu beras jenis Sitophilus Oryzae L dengan background-nya yaitu beras dimana keduanya sama-sama berukuran kecil, sekaligus mendeteksi kutu beras jenis Sitophilus Oryzae L secara real-time.
Review Identifikasi dan Klasifikasikan Biji Kopi Menggunakan Computer Vision Bonang Waspadadi Ligar
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.54925

Abstract

Dianggap sebagai salah satu minuman terpenting yang ada saat ini, Kopi banyak dikonsumsi di seluruh dunia. Beberapa faktor yang mempengaruhi kualitas biji kopi seperti warna, tekstur, ukuran, aroma, dll serta proses lain di sepanjang rantai produksi seperti proses penanaman, pemanggangan, dan penggilingan. Namun semua proses tersebut akan sia-sia jika kualitas biji kopinya rendah. Jadi, sangatlah penting untuk hanya menggunakan biji kopi dengan kualitas terbaik. Oleh karena itu, tantangannya adalah mengembangkan sistem yang menggunakan visi komputer untuk mengidentifikasi biji berkualitas tinggi atau mengklasifikasi berdasarkan spesiesnya untuk memudahkan upaya yang diperlukan oleh semua pelaku dalam rantai pasokan. Memberikan informasi kepada pelanggan akhir juga bisa menjadi faktor penentu untuk memajukan industri kopi. Makalah ini bertujuan untuk meninjau literatur dalam topik menggunakan visi komputer untuk biji kopi. Setelah meninjau sejumlah studi yang dipilih yang sesuai dengan topik yang dipilih dalam makalah kami, teknik visi komputer digunakan untuk dua alasan utama, identifikasi dan klasifikasi. Penelitian tentang topik ini masih terbatas. Oleh karena itu, dapat disimpulkan bahwa masih banyak ruang untuk mempelajari topik ini. Penelitian ini juga bertujuan untuk membantu memberikan bahan penelitian bagi peneliti selanjutnya.
Analisis Sentimen Pengguna Twitter Terhadap Kasus COVID-19 di Indonesia Menggunakan Metode Regresi Logistik Multinomial Ridho Prabowo; Herry Sujaini; Tedy Rismawan
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.57449

Abstract

Seiring berkembangnya Coronavirus Disease 2019 (COVID-19) di Wuhan dan berkembang di seluruh negara khususnya di Indonesia. Banyak masyarakat di Indonesia menuangkan dan mengekspresikan opini mereka pada media sosial salah satunya Twitter. Opini tersebut menjadi acuan pada penelitian ini untuk menganalisis sentimen masyarakat Indonesia terhadap kasus COVID-19. Analisis sentimen merupakan proses pengolahan data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung pada tweet. Implementasi sistem dilakukan dengan mengklasifikasi tweet menggunakan metode Regresi Logistik Multinomial. Metode Regresi Logistik Multinomial dikenal dengan regresi logistik dengan variabel dependen mempunyai skala nominal lebih dari dua kategori. Tweet diklasifikasi menjadi 3 kategori sentimen yaitu sentimen positif, netral dan negatif. Sistem analisis sentimen berbasis website menggunakan bahasa pemrograman Python. Proses analisis sentimen melalui beberapa tahapan, pertama proses crawling data tweet, kemudian hasil crawling akan diproses ke tahap text preprocessing, setelah melewati text preprocessing tweet akan dibobot menggunakan TF-IDF, kemudian tweet diklasifikasi dengan menggunakan metode Regresi Logistik Multinomial ke dalam kelas sentimen positif, netral, atau negatif. Pengujian dilakukan menggunakan 870 data tweet yang telah dilabel terlebih dahulu. Sistem analisis sentimen menghasilkan akurasi sebesar 64%, dengan precission untuk sentimen positif 85%, netral 56%, dan negatif, 53% dan recall untuk sentimen positif 74%, netral 67%, dan negatif 50%.
Penerapan Metode Design Thinking Pada Perancangan User Interface Aplikasi Bakery’lils Sebagai Platform Digital Penjualan Kue Hilalia Nur Agustin; Dian Permata Sari; Rian Andrian
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.55400

Abstract

Dalam dunia bisnis khususnya di bidang kuliner yang merupakan salah satu bisnis yang banyak diminati masyarakat terutama produk dari indsutri rumahan seperti kue dan roti. Penjualan dan pemesanan kue biasanya masih mengharuskan pelanggan untuk datang langsung ke toko melakukan pemesanan dan transaksi. Pemesanan kue tersebut disaat ini sudah tidak efektif, maka dari itu harus ada platform digital sebagai inovasi dari transaksi pemesanan kue. Karena dengan adanya sistem informasi sebagai wadah untuk memudahkan transaksi penjualan secara Online terhadap calon pembeli. Dapat bermanfaat bagi penjual maupun pembeli dalam mempercepat proses pemesanan kue, proses transaksi penjualan yang efektif. Untuk membangun sistem informasi tersebut, terdapat penerapan metode yang digunakan yaitu Metode Design Thinking. Dengan menghasilkan prototype dalam penilaian Usability Testing yang akan berguna untuk pengembangan aplikasi mobile sebagai platform digital pemesanan kue.
Penerapan Algoritma Bubble Sort Dalam Peningkatan Layanan Rumah Sakit Seza Rifsahadi Anugrah; Ira Diana Sholihati
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.55919

Abstract

Rumah sakit merupakan sarana layanan sosial yang mempunyai banyak manfaat untuk kebutuhan penyelesaian masalah bagi masyarakat. Selain digunakan untuk sarana konsultasi penyakit, rumah sakit juga dapat menjadi wadah publik untuk mendapatkan informasi bagi kesehatannya. Kebutuhan pengumpulan data kertas yang dilakukan dalam proses pelayanan da[at menyusahkan masyarakat dalam penjalanan alur kerja rumah sakit yang sebenarnya dapat ditinggalkan dan ditukar dengan alat baru menggunakan sistem aplikasi terintegrasi. Sistem terintegrasi yang digunakan dapat memudahkan masyarakat dalam proses pendaftaran, pendataan, serta pengecekan rekam  medis yang dilakukan oleh masyarakat di dalam aplikasi rumah sakit yang dilakukan dengan pemanfaatan sistem informasi. Perkembangan sistem informasi yang telah berkembang harus dimanfaatkan guna memudahkan masyarakat untuk pengelolaan data di rumah sakit. Pemanfaatan sistem informasi menggunakan aplikasi juga didukung dengan bubble sort algorithm untuk memudahkan masyarakat dalam untuk melakukan pengoperasian didalam aplikasi. Pembaruan pola kerja delakukan dengan melihat dari apa yang banyak dibutuhkan oleh masyarakat, dan apa hasil dari pembaruan yang akan dilakukan. Penelitian ini bertujuan untuk dapat memudahkan masyarakat dalam melakukan pelayanan rumah sakit secara jarak jauh.
Pengembangan Aplikasi Contact Tracing untuk Mendukung Program Belajar Tatap Muka di Masa Pandemi Mayliana Mayliana; Kanyadian Idananta
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.56138

Abstract

Pembatasan interaksi sosial selama Covid-19 berdampak pada perubahan metode bekerja dan belajar di masyarakat. Istilah SFH (Study/School from Home) sering terdengar pada masa pandemi untuk menyebut metode bekerja atau belajar secara daring sebagai bentuk adaptasi terhadap kebijakan pembatasan kegiatan tatap muka. Pembelajaran secara daring mempunyai kelebihan di pemilihan waktu dan tempat yang lebih fleksibel. Melihat situasi pandemi Covid-19 yang cenderung membaik, pemerintah memutuskan untuk mengijinkan pertemuan tatap muka di sekolah juga mendorong penggunaan teknologi digital untuk memantau dan mengevaluasi perkembangan pandemi. Semua unit pendidikan di wilayah PPKM level 1, 2 dan 3 yang memenuhi kriteria wajib melaksanakan PTM terbatas mulai Januari 2022. Pada penelitian ini penulis akan menganalisa dan merancang aplikasi Contact Tracing untuk memantau status vaksinasi dan mengidentifikasi pendidik, tenaga kependidikan dan peserta didik yang melakukan kontak dengan peserta didik lain yang terkena Covid-19. Aplikasi Contact Tracing di sekolah ini akan dirancang menggunakan metode waterfall. Diharapkan aplikasi Contact Tracing di sekolah ini dapat membantu sekolah dan pemerintah untuk memastikan proses belajar mengajar secara tatap muka tetap berlangsung dengan baik di tengah situasi pandemi sesuai SKB 4 Menteri tentang Panduan Penyelenggaraan Pendidikan Pembelajaran di Masa Pandemi untuk tahun ajaran 2022.
Pengembangan Bahasa Pemodelan dan Code Generation untuk Smart Contract Labib Izzatur Rahman; Muhammad Zuhri Catur Candra
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.55077

Abstract

Smart Contract merupakan konsep yang dicetus oleh Nick Szabo (Szabo, 1997) yang merupakan kontrak berbentuk elektronik. Dengan berkembangnya blockchain konsep tersebut dikonkritkan dengan bentuk code yang terpasang di jaringan blockchain yang disebut smart contract juga. Penelitian ini menggunakan definisi smart contract yang dicetus oleh Nick Szabo yang merupakan alternatif kontrak konvensional. Dalam membuat Smart Contract terdapat kesulitan karena menggabungkan dua domain pengetahuan yaitu kontrak dan informatika. Sebuah bahasa pemodelan dapat dikembangkan untuk memudahkan proses pengembangan Smart Contract. Bahasa pemodelan dapat dijadikan sebagai alat spesifikasi kontrak bahkan sampai generasi implementasi source code. Penelitian ini bertujuan membuat bahasa pemodelan yang mampu menyebutkan spesifikasi smart contract sekaligus cukup mudah digunakan oleh pengguna non-IT. Bahasa pemodelan yang dibuat juga mampu menghasilkan skeleton implementasi untuk source code smart contract.
Model Machine Learning Untuk Klasifikasi Kesegaran Daging Menggunakan Arsitektur Transfer Learning Xception Eko Nur Cahyo; Erma Susanti; Renna Yanwastika Ariyana
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.57517

Abstract

Peningkatan kebutuhan daging di Indonesia sering diikuti dengan permintaan daging yang meningkat di pasaran. Terjadinya peningkatan kebutuhan konsumsi ini seringkali menimbulkan kekhawatiran akan terjadinya pemalsuan dan pencampuran daging. Ketersediaan daging yang layak konsumsi dan berkualitas sangat dibutuhkan masyarakat. Sulitnya orang awam untuk mendeteksi tingkat kesegaran daging sering dimanfaatkan oleh oknum yang tidak bertanggung jawab untuk mendapatkan keuntungan. Adanya suatu sistem otomatis yang dapat mendeteksi kesegaran daging akan sangat membantu dalam mengatasi permasalahan sulitnya deteksi kesegaran daging. Kesegaran daging dapat dikategorikan antara lain daging segar, setengah segar dan tidak segar. Penggunaan model machine learning untuk mendeteksi kesegaran daging dapat membantu memecahkan permasalahan tersebut. Penelitian ini menggunakan pendekatan machine learning untuk melakukan klasifikasi kesegaran daging. Klasifikasi menggunakan arsitektur transfer learning Xception yang dapat meningkatkan performa model machine learning yang dihasilkan. Hasil evaluasi model didapatkan nilai accuracy 86,92%; precision 87,25%; recall 86,47%; dan f1 score 87,59%. Pengujian prediksi dengan menggunakan data baru juga berhasil memprediksi citra daging dengan baik. Hasil pengujian data menunjukkan model yang dihasilkan best-fitting untuk penggunaannya dalam klasifikasi tingkat kesegaran daging menggunakan dataset Meat Freshness.
Model Neural Network Autoregressive untuk Prediksi Inflasi Bulanan di Kota Yogyakarta Hari Prapcoyo; Mohamad As'ad
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 2 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i2.54370

Abstract

AbstrakYogyakarta sebagai kota pelajar, kota pariwisata ataupun kota budaya sangatlah ramai aktifitas ekonominya karena banyak sekolah, universitas, tempat wisata dan juga tempat budaya yang tentunya banyak mahasiswa, wisatawan dalam negeri maupun luar negeri yang berkunjung ke kota tersebut. Aktifitas mahasiswa dan wisatawan di kota Yogyakarta ini bisa meningkatkan aktifitas perekonomian seperti tempat kost, penginapan atau hotel serta tidak ketinggalan tempat makan, tempat belanja dan lain sebagainya. Penelitian ini mempunyai tujuan untuk memprediksi inflasi bulanan di kota Yogyakarta yang ramai tersebut. Data sekunder inflasi bulanan untuk kota Yogyakarta diperoleh dari BPS kota Yogyakarta dan BPS pusat.  Data yang digunakan yaitu data inflasi bulanan mulai dari Januari 2006 sampai dengan Desember 2021, sebanyak 192 data. Penelitian ini menggunakan model peramalan jaringan syaraf tiruan (JST) atau artificial neural network (ANN). Model JST atau ANN yang digunakan yaitu model neural network autoregressive (NNAR). Model NNAR ini menggunakan algoritma backpropogation dengan fungsi aktifasi sigmoid biner. Pengolahan data pada penelitian ini menggunakan R package statistics yang merupakan open source program. Hasil kesimpulan dari penelitian ini adalah diperoleh model terbaik yaitu NNAR(12,8) artinya  model NNAR ini mempunyai input berupa lag-1 sampai dengan lag-12 inflasi bulanan koya Yogyakarta dengan single hiden layer mempunyai 8 neuron. Akurasi model NNAR(12,8) di ukur dengan root mean square error (RMSE, sebesar 0.05962758), mean absolute square error (MASE, sebesar 0.1011443), mean absolute percentage error (MAPE, sebesar 28.32449). Saran dari penelitian ini untuk penelitian lanjutan, model NNAR(12,8) hendaknya dibandingkan dengan model ANN yang lain atau model yang berbasis sistem cerdas (artificial intelegent, AI).

Page 1 of 2 | Total Record : 19