cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Harjoko
Contact Email
ijccs.mipa@ugm.ac.id
Phone
+62274 555133
Journal Mail Official
ijccs.mipa@ugm.ac.id
Editorial Address
Gedung S1 Ruang 416 FMIPA UGM, Sekip Utara, Yogyakarta 55281
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
IJCCS (Indonesian Journal of Computing and Cybernetics Systems)
Published by Universitas Gadjah Mada
ISSN : 19781520     EISSN : 24607258     DOI : https://doi.org/10.22146/ijccs
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Indonesian Journal of Computing and Cybernetics Systems (IJCCS), a two times annually provides a forum for the full range of scholarly study . IJCCS focuses on advanced computational intelligence, including the synergetic integration of neural networks, fuzzy logic and eveolutionary computation, so that more intelligent system can be built to industrial applications. The topics include but not limited to : fuzzy logic, neural network, genetic algorithm and evolutionary computation, hybrid systems, adaptation and learning systems, distributed intelligence systems, network systems, human interface, biologically inspired evolutionary system, artificial life and industrial applications. The paper published in this journal implies that the work described has not been, and will not be published elsewhere, except in abstract, as part of a lecture, review or academic thesis.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 466 Documents
 6   7   8   9   10 
Perbandingan Algoritma Nearest Neighbour, C4.5 dan LVQ untuk Klasifikasi Kemampuan Mahasiswa Muhammad Fakhrurrifqi; Retantyo Wardoyo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3353

Abstract

AbstrakPada pelaksanaan acara perkuliahan atau saat proses balajar mengajar, dosen sering terkendala dengan kemampuan mahasiswa pada suatu matakuliah di satu kelas yang tidak merata. Oleh karena itu dosen terlebih dulu mengetahui kemampuan setiap mahasiswanya dengan salah satu caranya adalah dengan melihat karakteristik setiap mahasiswa dan kemudian dibandingkan dengan mahasiswa-mahasiswa sebelumnya dalam menyelesaian suatu mata kuliah.Pada penelitian ini, akan dilakukan perbandingan tingkat akurasi antara tiga algoritma, yaitu : Nearest Neighbour, C45 dan LVQ, pada kasus klasifikasi kemampuan mahasiswa untuk keperluan penentuan pembagian kelas mahasiswa baru. Selain itu, juga akan diperbandingkan tingkat kecepatan setiap algoritma dalam mendapatkan kelas kasus lama yang paling mirip dengan kasus baru yang dimasukkan.Kesimpulan yang didapatkan setelah sistem dibangun dan kemudian membandingkan ketiga algoritma tersebut adalah algoritma nearest neighbour dapat menghasilkan akurasi tertinggi. Kata kunci— nearest neighbour, c45, jaringan syaraf tiruan, lvq, mahasiswa AbstractDuring the lecture or in teaching-learning process, a lecturer sometimes finds that heterogeneous classroom as the obstacles due to the differences in students’ performances.  Thus, the lecturer should be aware of this phenomenon and one way to overcome this is to find out the characteristics of each student in order to compare them with the previous students while completing their study. In this research, the three algorithms are compared, they are namely; Nearest Neighbor, C45, and LVQ, this is done to classify the students’ ability and to decide the class for the new students. In addition, the speed level of each algorithm is compared by means of getting the nearest previous case study to the new class.    Finally, the ideas coming up as the conclusion for this research is that after the system is developed and those three algorithms are being compared, the result shows that there is nearest neighbour algorithm can produce the highest accuracy. Keywords—nearest neighbour, c45, artificial neural network, LVQ, students’ performances.
Penerapan Learning Vector Quantization (LVQ) untuk Klasifikasi Status Gizi Anak Elvia Budianita; Widodo Prijodiprodjo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3354

Abstract

AbstrakPenentuan klasifikasi status gizi anak yang sering dilakukan adalah berdasarkan indeks berat badan menurut tinggi badan (BB/TB). Pada Puskesmas Batupanjang, indeks antropometri tersebut dihitung secara manual untuk menilai status gizi anak sekolah dasar dengan menggunakan daftar tabel z-skor atau simpangan baku / standar deviasi (SD) WHO NCHS (National Centre for Health Statistic). Metode Learning Vektor Quantization (LVQ) dan salah satu algoritma pengembangannya yaitu LVQ3 digunakan dalam penelitian ini untuk menangani penilaian status gizi anak berdasarkan simpangan baku rujukan terhadap indeks berat badan dan tinggi badan tersebut. Variabel yang digunakan dalam penilaian status gizi anak adalah jenis kelamin, berat badan, tinggi badan, penyakit infeksi, nafsu makan, dan pekerjaan kepala keluarga (KK). Berdasarkan dari hasil penelitian dan pembahasan yang dilakukan, algoritma LVQ3 lebih baik diterapkan untuk klasifikasi status gizi anak dibandingkan dengan algoritma LVQ1. Penggunaan parameter window (ε) pada jaringan syaraf tiruan LVQ3 memberikan pengaruh positif yakni dapat meningkatkan performa dalam klasifikasi jika dibandingkan tanpa menggunakan window (LVQ1). Kata kunci— Antropometri,  Learning Vektor Quantization,  Z-skor.  AbstractThe shortest path determination of child nutrient that common uses is based on body weight index by body high level (BB/BT). In Batupanjang Puskesmas, that anthropometry index is calculated manually for assessing  the nutrition of children in elementary school by used z-score table list or deviation standard  (SD) WHO NCHS (National Centre for Health Statistic).Learning Vektor Quantization (LVQ) Method and one of its algorithm, LVQ3 is used for this research to handle appraisal of children nutrition status based on deviation standard reference for that weight and high index. The variable that used in this appraisal are genre, body weight, body high, infection disease, appetite, and father work.Based on result of this research and discuss that has been done, LVQ3 algorithm is better applied for children nutrient status classification than LVQ1 algorithm. Using of window parameter (ε) in neural network LVQ3 effect positive impact, that is can increase perform in classification than without used window (LVQ1). Keywords—Anthropometry,  Learning Vektor Quantization,  Z-score.
Penyusunan Notasi Musik dengan Menggunakan Onset Detection pada Sinyal Audio Anindita Suryarasmi; Reza Pulungan
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3357

Abstract

AbstrakNotasi musik merupakan dokumentasi tertulis dari sebuah lagu. Walaupun notasi musik telah umum digunakan, namun tidak semua orang yang berkecimpung di dalam dunia musik memahami bagaimana notasi musik dituliskan. Penelitian ini menawarkan penyusunan notasi music secara otomatis dengan mengimplementasikan metode onset detection. Hal mendasar yang harus diketahui dalam pembuatan notasi musik adalah durasi serta nada yang dimainkan. Dengan menggunakan mendeteksi onset dari data audio, jarak antar pukulan dapat diketahui. Dengan demikian maka durasi permainan pun bisa dihitung. Hasil dari pencarian durasi tersebut diolah kembali untuk menciptakan objek-objek note yang disusun dalam notasi musik. Sistem menghasilkan keluaran berupa file dengan format musicXML. Dengan format ini maka hasil keluaran sistem akan bersifat dinamis dan dapat diolah kembali dengan music editor yang mendukung format file tersebut.Hasil penelitian menunjukkan akurasi yang tinggi dalam pengenalan pola permainan yang berhubungan dengan durasi setiap note hingga mencapai 99.62%.  Kata kunci— notasi musik, onset detection, musicXML  AbstractMusical notation is written documentation of a music. Even though musical notation is commonly used, not every musician knows how to write a musical notation. This work offers automatic musical notation generation from audio signal using onset detection.Duration and pitch of the notes are two basic parameters that have to be known in order to generate music notation. This work implemented onset detection method to recognize the pattern by measuring the interval between two notes. Using the interval, the duration of each notes can be calculated and used to create note objects in order to arrange a musical notation. The output of the system is a musicXML formatted file. This format allowed the output to be edited using software for music editor. The result of this work shows high accuracy up to 99.62% for detecting each notes and measuring the duration. Keywords— musical notation, onset detection, musicXML
Simulasi Antrian Jaringan Multi Server Menggunakan Metode Open Jackson I Wayan Supriana; Subanar Subanar
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3358

Abstract

AbstrakAntrian paket data pada jaringan komputer memiliki model antrian jaringan, dimana proses transmisi yang rumit sehingga tidak dapat diselesaikan secara analitik. Pemodelan dan simulasi diperlukan untuk menyelesaikan masalah antrian jaringan. Model antrian dalam penelitian ini adalah jaringan terbuka dengan analisis paket data menggunakan model server tunggal. Waktu pelayanan paket memiliki distribusi Eksponensial dan distribusi Erlang yang digunakan sebagai pembanding. Jika waktu pelayanan paket data menggunakan distribusi Eksponensial maka model menjadi M/M/1, sedangkan waktu pelayanan paket data menggunakan distribusi Erlang dengan parameter m dan µ, maka model menjadi M/E[m]/1. Penelitian ini menggunakan metode open Jackson untuk melakukan simulasi antrian jaringan guna menghitung nilai karakteristik jaringan. Pengujian sistem simulasi menggunakan packet switching network pada server jaringan komputer Jurusan Ilmu Komputer Universitas Udayana untuk mengetahui performansi sistem yang menggunakan distribusi waktu pelayanan berbeda. Hasil pengujian menunjukkan bahwa waktu pelayanan distribusi Eksponensial memiliki karakteristik yang lebih baik dari distribusi Erlang pada parameter m-Erlang ≥ 2.  Kata kunci— antrian jaringan, distribusi,sistem performansi, multi server.  AbstractQueue data packet at computer network having a network queueing model, with complicated transmission process so that it can not be solved analytically. Modeling and simulation are needed to resolve the issue queue network. Queueing model in this research is an open network with the analysis of data packet using a single server model. Service time packet has Exponential distribution and Erlang used as comparison. If the service time of data packet using the Exponential distribution, then the model become M/M/1, whereas the service time using the Erlang distribution with parameter m and µ, then the model becomes M/E[m]/1. This research uses an open Jackson method to perform queueing network simulations to calculate the characteristics of network queueing system. Examination of simulation system uses data packets on a computer network server of Department Computer Science University of Udayana to determine system performance using with different service time distribution. The result of examination indicate that service time of Exponential distribution has better characteristic then Erlang distribution at parameter m-Erlang ≥2. Keywords— queueing network, distribution, system performance, multiple server
Prediksi Pemakaian Listrik Kelompok Tarif Menggunakan Jaringan Syaraf Tiruan dan ARIMA Silviani E Rumagit; Azhari SN
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3359

Abstract

AbstrakLatar Belakang penelitian ini dibuat dimana semakin meningkatnya kebutuhan listrik di setiap kelompok tarif. Yang dimaksud dengan kelompok tarif dalam penelitian ini adalah kelompok tarif sosial, kelompok tarif rumah tangga, kelompok tarif bisnis, kelompok tarif industri dan kelompok tarif pemerintah. Prediksi merupakan kebutuhan penting bagi penyedia tenaga listrik dalam mengambil keputusan berkaitan dengan ketersediaan energi listik. Dalam melakukan prediksi dapat dilakukan dengan metode statistik maupun kecerdasan buatan.            ARIMA merupakan salah satu metode statistik yang banyak digunakan untuk prediksi dimana ARIMA mengikuti model autoregressive (AR) moving average (MA). Syarat dari ARIMA adalah data harus stasioner, data yang tidak stasioner harus distasionerkan dengan differencing. Selain metode statistik, prediksi juga dapat dilakukan dengan teknik kecerdasan buatan, dimana dalam penelitian ini jaringan syaraf tiruan backpropagation dipilih untuk melakukan prediksi. Dari hasil pengujian yang dilakukan selisih MSE ARIMA, JST dan penggabungan ARIMA, jaringan syaraf tiruan tidak berbeda secara signifikan. Kata Kunci— ARIMA, jaringan syaraf tiruan, kelompok tarif.  AbstractBackground this research was made where the increasing demand for electricity in each group. The meaning this group is social, the household, business, industry groups and the government fare. Prediction is an important requirement for electricity providers in making decisions related to the availability of electric energy. In doing predictions can be made by statistical methods and artificial intelligence.            ARIMA is a statistical method that is widely used to predict where the ARIMA modeled autoregressive (AR) moving average (MA). Terms of ARIMA is the data must be stationary, the data is not stationary should be stationary  use differencing. In addition to the statistical method, predictions can also be done by artificial intelligence techniques, which in this study selected Backpropagation neural network to predict. From the results of tests made the difference in MSE ARIMA, ANN and merging ARIMA, artificial neural networks are not significantly different. Keyword—ARIMA, neural network, tarif groups
Pengembangan Sistem Evaluasi Kegiatan Belajar Mengajar Berbasis Web Studi Kasus : di SMA Negeri 1 Surakarta Emi Budi Susilowati; Ahmad Ashari
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3360

Abstract

AbstrakInternet telah menjadi sumber informasi yang tidak terbatas di dalam pendidikan. Dengan adanya internet, berbagai informasi dapat diperoleh secara mudah dan cepat serta memberikan banyak manfaat diantaranya memperluas cakrawala siswa, sebagai sumber tambahan pelajaran dan mengembangkan kreatifitas siswa. Disamping itu juga dikembangkannya online learning yang memudahkan guru dalam memberikan pengayaan materi diluar tatap muka maupun memberikan evaluasi kepada peserta didik dengan memanfaatan jaringan internet sehingga mempermudah dan memperlancar dalam penyelenggaraan pendidikan.  Salah satu teknologi dalam internet yang digunakan adalah web service. Web service dibangun pada inti protokol internet yaitu TCP/IP dan HTTP. Dalam kegiatan belajar mengajar dikenal suatu evaluasi yang merupakan pengukuran hasil belajar siswa sebagai prestasi belajar, yaitu penguasaan materi pelajaran sesuai dengan kompetensi yang ditetapkan.  Untuk mempermudah dalam mengukur ketercapaian belajar tersebut dikembangkan program aplikasi Sistem Evaluasi Kegiatan Belajar Mengajar Berbasis Web yang diintegrasikan dengan e-learning yang sudah tersedia, sehingga kebutuhan user yang menggunakan online test dari e-learning bisa ditangani.Penelitian ini menghasilkan web penyedia layanan analisis butir soal dan analisis ketuntasan belajar yang diintegrasikan dengan e-learning yang sudah tersedia disekolah menggunakan web service. Pengujian dilakukan dengan  cara pengintegrasian data dengan e-learning dilakukan tukar menukar pesan terhadap permintaan, tanggapan dan kesalahan dalam parameter permintaan. Kata kunci— Web Service, e-learning, Analisis Evaluasi Pembelajaran  AbstractThe Internet has become an unlimited source of information in education. With the Internet, information can be obtained easily and quickly and provides many benefits including expanding the horizons of students, as an additional source of learning and develop student creativity. Besides, the development of online learning that allows teachers to provide enrichment materials outside of face-to-face and provide evaluations to students with memanfaatan Internet network that simplify and streamline the education. One of the technologies used in the Internet is a web service. Web services are built on the core Internet protocols are TCP / IP and HTTP.In the teaching and learning activities that are known to an evaluation of student learning outcomes as a measurement of achievement, that mastery of the subject matter in accordance with established competencies. To make it easier to measure the achievement of learning were developed application program Evaluation System Teaching and Learning Activities are integrated with the Web-based e-learning are already available, so the user needs to use online test of the e-learning can be handled.This research resulted in the service provider's point about the analysis and the analysis of mastery learning that integrates with existing e-learning available at the school using the web service. Testing is done by integrating the data with e-learning done exchanging messages to requests, responses and errors in parameter query. Keywords—Web services, e-learning, Learning Evaluation Analysis
Aplikasi Pencarian Lokasi Fasilitas Umum Berbasis Foursquare APIv2 pada Sistem Operasi Android Nur Rokhman; Iqnatius Dimas Nugroho
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 7, No 2 (2013): July
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3361

Abstract

AbstrakSebuah smartphone umunya dilengkapi dengan Global Positioning System (GPS). Pengguna smartphone  disamping dapat mengetahui lokasi dirinya, umumnya juga ingin mengetahui lokasi sekitarnya. Foursquare merupakan salah satu jejaring sosial yang menyediakan layanan berbasis lokasi. Foursquare memiliki fitur check-in, untuk menandai lokasi pengguna.Dalam penelitian ini akan dikembangkan aplikasi pada perangkat dengan sistem operasi Android yang dapat mencari lokasi fasilitas umum di sekitar pengguna dengan memanfaatkan teknologi layanan berbasis lokasi. Aplikasi ini memanfaatkan data dari Foursquare. Hasil pengujian terhadap aplikasi yang dibangun menunjukkan filter data dan sistem auto check-in berjalan dengan baik sehingga duplikasi data dalam Foursquare dapat diminimalkan.  Kata kunci— Layanan berbasis lokasi,  Android, Foursquare, Fasilitas umum  AbstractA smartphone is equipped with Global Positioning System (GPS). A smartphone user may know  the location itself, and usually want to know the surrounding location. Foursquare is a social network that provide location-based services. Foursquare has a check-in feature to mark the location of the user.This research develops applications on devices with Android operating system that can find  location of public facilities around the user by using  location-based services technology. This application uses Foursquare data.The test results showed that the application can filter data and the check-in systems running properly such that duplication of data in Foursquare can be minimized.  Keywords— Location Based Services (LBS), Android, Foursquare, Public Facility
Sistem Pendukung Keputusan Penentuan Pemenang Tender Pekerjaan Konstruksi dengan Metode Fuzzy AHP Peggi Sri Astuti; Retantyo Wardoyo
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 1 (2014): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3490

Abstract

AbstrakPengambilan keputusan dalam penentuan pemenang tender pekerjaan konstruksi (tidak kompleks) pada pembangunan gedung kuliah Fakultas Ekonomi Univesitas Udayana (UNUD) oleh panitia tender di Bagian Perlengkapan Rektorat UNUD masih dilakukan secara manual (dengan software Microsoft Excel dan Word), sehingga untuk membantu dan mempercepat pengambilan keputusan tersebut (dalam situasi beberapa/banyak peserta tender memenuhi semua evaluasi kriteria dan memiliki harga penawaran terkoreksi terendah yang sama di bawah HPS) maka penelitian ini bertujuan untuk membangun SPK (Sistem Pendukung Keputusan) dengan metode Fuzzy AHP. Versi Fuzzy AHP yang dipakai adalah model Chang (1992) karena memiliki langkah-langkah sederhana dan mudah diaplikasikan pada penelitian ini. Hasil penelitian menunjukkan bahwa SPK yang dibangun menghasilkan perangkingan peserta 1, 2, dan 3 yang sama dengan sistem manual yang ada di Bagian Perlengkapan Rektorat UNUD, meskipun perangkingan 4, 5, 6 yang juga dihasilkan SPK ini tidak ada di sistem manual karena perangkingan 4, 5, 6 tidak memenuhi evaluasi kriteria kualifikasi (syarat untuk lulus tender adalah memenuhi semua evaluasi kriteria). Maka disimpulkan bahwa SPK yang dibangun menghasillkan informasi yang valid.  Kata kunci— sistem pendukung keputusan, fuzzy AHP, tender, pekerjaan konstruksi  AbstractDecision-making to determine the winner of project tender (not complex one) on the construction of college buildings for Economics Faculty of Udayana University by tender committee at the Rectorate Equipment Section of Udayana University, still is carried out manually (applying Microsoft Excel and Word), so to assist and accelerate the decision (in this situation a few/many bidders met all evaluation criteria and have the same lowest bidding price corrected under HPS), this study aims to build a DSS (Decision Supporting System) with Fuzzy AHP method. The applied Fuzzy AHP version is Chang model (1992) because it has simple steps and easy to apply in this study. The results showed that SPK produced ranking method of 1, 2, and 3 that are similar to the existing manual system in Equipment Section of the Rectorate, though the ranking method of 4, 5, 6, which also produced by SPK, is not contained in the manual system because ranking method of 4, 5, 6 did not meet the qualifying criteria evaluation (a requirement for graduation is to fulfill all tender evaluation criteria). It, therefore, comes to conclude that the DSS produce valid information. Keywords— decision supporting system, fuzzy AHP, tender, construction project
Penerapan Metode Support Vector Machine pada Sistem Deteksi Intrusi secara Real-time Agustinus Jacobus; Edi Winarko
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 1 (2014): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3491

Abstract

AbstrakSistem deteksi intrusi adalah sebuah sistem yang dapat mendeteksi serangan atau intrusi dalam sebuah jaringan atau sistem komputer, umum pendeteksian intrusi dilakukan dengan membandingkan pola lalu lintas jaringan dengan pola serangan yang diketahui atau mencari pola tidak normal dari lalu lintas jaringan. Pertumbuhan aktivitas internet meningkatkan jumlah paket data yang harus dianalisis untuk membangun pola serangan ataupun normal, situasi ini menyebabkan kemungkinan bahwa sistem tidak dapat mendeteksi serangan dengan teknik yang baru, sehingga dibutuhkan sebuah sistem yang dapat membangun pola atau model secara otomatis.Penelitian ini memiliki tujuan untuk membangun sistem deteksi intrusi dengan kemampuan membuat sebuah model secara otomatis dan dapat mendeteksi intrusi dalam lingkungan real-time, dengan menggunakan metode support vector machine sebagai salah satu metode data mining untuk mengklasifikasikan audit data lalu lintas jaringan dalam 3 kelas, yaitu: normal, probe, dan DoS. Data audit dibuat dari preprocessing rekaman paket data jaringan yang dihasilkan oleh Tshark.Berdasar hasil pengujian, sistem dapat membantu sistem administrator untuk membangun model atau pola secara otomatis dengan tingkat akurasi dan deteksi serangan yang tinggi serta tingkat false positive yang rendah. Sistem juga dapat berjalan pada lingkungan real-time. Kata kunci— deteksi intrusi, klasifikasi, preprocessing, support vector machine  AbstractIntrusion detection system is a system  for detecting attacks or intrusions in a network or computer system, generally intrusion detection is done with comparing network traffic pattern with known attack pattern or with finding unnormal pattern of network traffic. The raise of internet activity has increase the number of packet data that must be analyzed for build the attack or normal pattern, this situation led to the possibility that the system can not detect the intrusion with a new technique, so it needs a system that can automaticaly build a pattern or model.This research have a goal to build an intrusion detection system with ability to create a model automaticaly and can detect the intrusion in real-time environment with using support vector machine method as a one of data mining method for classifying network traffic audit data in 3 classes, namely: normal, probe, and DoS. Audit data was established from preprocessing of network packet capture files that obtained from Tshark. Based on the test result, the system can help system administrator to build a model or pattern automaticaly with high accuracy, high attack detection rate, and low false positive rate. The system also can run in real-time environment. Keywords— intrusion detection, classification, preprocessing, support vector machine
Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha; Azhari SN
IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol 8, No 1 (2014): January
Publisher : IndoCEISS in colaboration with Universitas Gadjah Mada, Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijccs.3492

Abstract

AbstrakMasalah peramalan adalah masalah yang sering ditemukan dalam proses pengambilan keputusan. Tool yang cukup populer untuk menangani masalah peramalan adalah jaringan syaraf tiruan. Jaringan syaraf tiruan banyak digunakan karena kemampuannya untuk meramalkan data nonlinear time series. Algoritma pembelajaran yang sering digunakan untuk memperbaiki bobot pada jaringan syaraf tiruan adalah backpropagation. Namun proses pembelajaran backpropagation terkadang menemui kendala seperti over fiting sehingga tidak dapat menggeneralisasi masalah. Untuk mengatasi masalah tersebut diusulkan penggunaan particle swarm optimization untuk melatih bobot pada jaringan. Performa dari masing-masing model akan diukur dengan mean square error, mean absolute percentage error, normalized mean square error, prediction of change in direction, average relative variance. Untuk keperluan analisis model digunakan data time series inflasi di indonesia. Metode yang diusulkan menunjukan sistem jaringan hybrid mampu menangani masalah peramalan data time series dengan performa mendekati jaringan syaraf tiruan backpropagation.. Kata kunci—jaringan syaraf tiruan, particle swarm optimization, prediction of change in direction, average relative variance .  AbstractForecasting problem is common problem that easily found in decision making process. The popular tool to handle that problem is artificial neural network. Artificial neural network have been widely use because its ability to forecast nonlinear time series data. The learning method that have been widely use to train artificial neural network weight is backpropagation. Otherwise backpropagation learning process sometimes find problem such as over fiting so it can’t generalized the problem. Particle swarm optimization method had been proposed to train artificial neural network weigth. Mean square error, mean absolute percentage error, normalized mean square error, prediction of change in direction, average relative variance had been use to measures the model performance. Indonesia inflation time series data had been use to analyzed the model. The proposed method show that hybrid system could handle the time series forecasting problem as good as backpropagation artificial neural network Keywords—artificial neural network, particle swarm optimization, prediction of change in direction, average relative variance.

Page 8 of 47 | Total Record : 466

 6   7   8   9   10 

Filter by Year

2006 2025


Reset
Filter By Issues
All Issue Vol 19, No 4 (2025): October Vol 19, No 3 (2025): July Vol 19, No 2 (2025): April Vol 19, No 1 (2025): January Vol 18, No 4 (2024): October Vol 18, No 3 (2024): July Vol 18, No 2 (2024): April Vol 18, No 1 (2024): January Vol 17, No 4 (2023): October Vol 17, No 3 (2023): July Vol 17, No 2 (2023): April Vol 17, No 1 (2023): January Vol 16, No 4 (2022): October Vol 16, No 3 (2022): July Vol 16, No 2 (2022): April Vol 16, No 1 (2022): January Vol 15, No 4 (2021): October Vol 15, No 3 (2021): July Vol 15, No 2 (2021): April Vol 15, No 1 (2021): January Vol 14, No 4 (2020): October Vol 14, No 3 (2020): July Vol 14, No 2 (2020): April Vol 14, No 1 (2020): January Vol 13, No 4 (2019): October Vol 13, No 3 (2019): July Vol 13, No 2 (2019): April Vol 13, No 1 (2019): January Vol 12, No 2 (2018): July Vol 12, No 1 (2018): January Vol 11, No 2 (2017): July Vol 11, No 1 (2017): January Vol 10, No 2 (2016): July Vol 10, No 1 (2016): January Vol 9, No 2 (2015): July Vol 9, No 1 (2015): January Vol 8, No 2 (2014): July Vol 8, No 1 (2014): January Vol 7, No 2 (2013): July Vol 7, No 1 (2013): January Vol 6, No 2 (2012): July Vol 6, No 1 (2012): January Vol 5, No 3 (2011): November Vol 5, No 2 (2011): July Vol 5, No 1 (2011): January Vol 1, No 2 (2007): July Vol 1, No 1 (2006): January More Issue