cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Prananda Anugrah
Contact Email
jitet.journal@um.ac.id
Phone
-
Journal Mail Official
jitet.journal@um.ac.id
Editorial Address
Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LP2M) Alamat: Graha Rektorat Lantai 6, Jl. Semarang No.5, Sumbersari, Kec. Lowokwaru, Kota Malang, Jawa Timur 65145, Indonesia
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Inovasi Teknologi dan Edukasi Teknik
Published by Universitas Negeri Malang
ISSN : -     EISSN : 27977196     DOI : 10.17977
Core Subject : Engineering,
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Electrical & Electronics Engineering Industrial & Manufacturing Engineering
Jurnal Inovasi Teknologi dan Edukasi Teknik menerbitkan naskah terkait Teknik Sipil, Teknologi Industri, Teknik Mesin, Teknik Elektro, dan Pendidikan Kejuruan. Fokus dan lingkup jurnal meliputi Teknik Sipil, Teknologi Industri, Teknik Mesin, Teknik Elektro, dan Pendidikan Kejuruan
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol. 2 No. 12 (2022)" : 7 Documents clear
Review Literature Sistem Rekomendasi Rekrutmen Karyawan Elmiyadi Novia Farma; Harits Ar Rosyid
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p536-540

Abstract

The Decision Support System for providing recommendations is expected to be able to assist various parties in providing employee recommendations in the needs of an organization or company. The various factors that affect individual performance make predictions have a high gain. So it is necessary to have a method that can make recommendations that are effective against high gain. To create a recommendation system, data maining techniques are needed. One method in the classification is K-Nearest Neighbor which has the advantage of high gain. K-Nearest Neighbor also has many variations to support optimization such as the combination with the Fuzzy method, namely Fuzzy K-Nearest Neighbor (FK-NN). FK-NN has the advantage of providing labeling for predicted data. Apart from the KNN method, there is the AHP or Analytical Hierarchy Process method which has advantages for multiple criteria. Then TOPSIS (Technique for Order Preference by Similarty to Ideal Solution) which has the same advantages as the AHP method which is often used for multiple criteria, but cannot carry out criteria if there is only one data. Another method is the WPM or Weighted Product Model which can solve multi-criteria problems, but does not have a minimum limit for each criterion assessment. Sistem Pendukung Keputusan untuk memberikan rekomendasi diharapkan dapat membantu berbagai pihak dalam memberikan rekomendasi karyawan dalam kebutuhan suatu organisasi ataupun perusahaan. Beraneka ragamnya faktor yang mempengaruhi kinerja individu membuat prediksi memiliiki Gain yang tinggi. Sehingga perlu adanya metode yang bisa melakukan rekomendasi yang efektif terhadap gain yang tinggi. Untuk membuat sebuah sistem rekomendasi diperlukan teknik Data Maining. Salah satu metode di dalam klasifikasi adalah K-Nearest Neighbor yang memiliki keunggulan terhadap gain yang tinggi. K-Nearest Neighbor juga mempunyai banyak variasi untuk mendukung optiomalisasi seperti adanya penggabungan dengan metode Fuzzy yaitu Fuzzy K-Nearest Neighbor (FK-NN). FK-NN memiliki keunggulan dalam memberikan pelabelan pada data yang diprediksi. Selain metode KNN, terdapat metode AHP atau Analytical Hierarchy Process memiliki keunggulan untuk multi kriteria. Kemudian TOPSIS (Technique for Order Preference by Similarty to Ideall Solution) yang memiliki keunggulan sama seperti metode AHP yang sering digunakan untuk multi kriteria, tetapi tidak bisa melakukan kriteria jika data hanya ada satu. Metode yang lain adalah WPM atau Weighted Product Model yang bisa menyelesaikan masalah multi kriteria, tetapi tidak memiliki batas minimal untuk masing-masing penilaian kriteria.
Algoritma Peramalan Time Series Levenberg-Marquardt, Fuzzy, Backpropagation dan ARIMA (Autoregressive Integrated Moving Average) Much. Arafat Al Mubarok; Anik Nur Handayani
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p541-549

Abstract

There are many methods used in forecasting, including forecasting using time series data. Forecasting using time series data is a favorite for forecasting both linear and non-linear data. Many researchers have contributed to the development of time series data analysis [1] such as C. Wang [2], Pouzols et al [3]. The results of this research literature study show that the Levenberg-Marquardt and Fuzzy algorithms are superior algorithms to the backpropagation and ARIMA algorithms. It is hoped that the results of this study can provide benefits to other researchers and can be used as a reference source. Terdapat banyak metode yang di gunakan dalam melakukan peramalan termasuk untuk melakukan peramalan menggunakan data time series. Peramalan menggunakan data time series menjadi favorit untuk melakukan peramalan baik data linier atau non linier. Banyak peneliti yang telah berkontribusi dalam pengembangan analisis data time series [1] seperti C. Wang [2], Pouzols et al [3]. Hasil studi literatur penelitian ini menunjukkan bahwa algoritma levenberg-marquardt dan fuzzy adalah algoritma yang lebih unggul daripada algoritma backpropagation dan ARIMA. Diharapkan hasil penelitian ini dapat memberikan manfaat bagi peneliti lain serta dapat di jadikan sumber rujukan.
Review: Algoritma Data Mining untuk Klasifikasi Data Nur A’yuni Ramadhani; Harits Ar Rosyid
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p550-556

Abstract

Classification is a data processing technique by grouping the data according to the criteria possessed by each data. In data processing, the data to be processed does not have certain requirements. In short all data can be classified. The data classification technique can use various algorithms. There are many algorithms that can be used in classification, such as Decision Tree, Support Vector Machine, Neural Network, and K-Nearest Neighbor. This study will review the classification algorithms. Researchers will show the differences of each algorithm by showing the advantages and disadvantages of the algorithm. This study will also demonstrate a Case Based Reasoning system that can improve the results of the classification algorithm. Klasifikasi merupakan teknik pengolahan data dengan cara mengelompokkan data-data tersebut sesuai dengan kriteria yang dimiliki oleh masing-masing data. Dalam pengolahan datanya, data yang akan diolah tidak memiliki persyaratan tertentu. Singkatnya semua data dapat diklasifikasikan. Teknik klasifikasi data tersebut dapat menggunakan berbagai macam algoritma. Terdapat banyak algoritma yang dapat digunakan dalam klasifikasi, seperti Decision Tree, Support Vector Machine, Neural Network, dan K-Nearest Neighbor. Penelitian ini akan mengulas tentang algoritma – algoritma klasifikasi tersebut. Peneliti akan menunjukkan perbedaan dari masing – masing algoritma dengan menunjukkan kelebihan dan kekurangan algoritma tersebut. Pada penelitian ini juga akan ditunjukkan sistem Case Based Reasoning yang dapat memperbaiki hasil dari algoritma klasifikasi.
Review: Algoritma Klasifikasi pada Pengenalan Pola Citra Prayoga Bagas Ariya Wibawa; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p557-565

Abstract

The classification algorithm is a technique in the field of machine learning and data mining that is used to group test data based on previously mapped training data. Pattern recognition can also be classified, but not all classification algorithms can perform pattern recognition. An algorithm or classification method that can perform image recognition is that in the Artificial Neural Network method there is a Learning Vector Quantization algorithm which has the advantage of being able to summarize the data set into small and the disadvantage is that it requires calculating all attributes and Fuzzy Neural Network which has, in Lazy Learner is K-Nearest Neighbor which has the advantage of being tough against noise and the disadvantage of needing to determine the value of k and the Template Matching method which is the simplest method, has high accuracy but has the disadvantage of large computational costs if the templates used are quite diverse. With the advantages and disadvantages of the methods previously mentioned, the researcher chose to compare the algorithms or methods of Learning Vector Quantization and Template Matching to be able to see how much accuracy and computational level to recognize an object of research. Algoritma klasifikasi adalah salah satu teknik pada bidang machine learning dan data mining yang digunakan untuk mengelompokkan data uji berdasarkan data latih yang sebelumnya sudah dipetakan. Pengenalan pola juga bisa di klasifikasikan tetapi tidak semua algoritma klasifikasi dapat melakukan pengenalan pola. Algoritma atau metode klasifikasi yang dapat melakukan pengenalan citra adalah pada metode Jaringan Syaraf Tiruan terdapat algoritma Learning Vector Quantization yang memiliki kelebihan mampu meringkas data set menjadi kecil dan kekurangan diperlukan perhitungan seluruh atribut dan Fuzzy Neural Network dimana mempunyai, pada Lazy Learner adalah K-Nearest Neighbor yang mempunyai kelebihan tangguh terhadap noise dan kekurangan perlu menentukan nilai k dan metode Template Matching yang merupakan metode paling simpel, memiliki akurasi yang tinggi tetapi memiliki kekurangan biaya komputasi yang besar jika template yang digunakan cukup beragam. Dengan kelebihan dan kekurangan dari metode – metode yang telah disebutkan sebelumnya, peneliti memilih membandingkan algoritma atau metode dari Learning Vector Quantization dan Template Matching untuk dapat melihat berapa besar akurasi dan tingkat komputasi untuk mengenali sebuah objek penelitian.
Cerdas Berteknologi sebelum datangnya Society 5.0 Bagas Rajendra Rakha Pradityo; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p566-569

Abstract

The purpose of this research was to raise awareness to the public that it is very important to be wise or good at using technology for future generations. This research will be carried out using observational research methods on several social media. random or whatever because the main goal is to find users who use digital technology wisely. The purpose of this research itself is to see how far Indonesians understand and understand the functions of the technology they use. Dibuatnya penelitian ini bertujuan untuk memberikan kesadaran kepada masyarakat bahwa bijak atau pandai menggunakan teknologi untuk generasi kedepan tergolong sangat penting, Penelitian ini akan dilakukakn dengan metode penelitian observasi di beberapa media sosial, untuk sampel data sendiri akan diambil secara acak, untuk tema yang peneliti ambil bisa random atau apa saja karna tujuan utamanya mencari pengguna yang menggunakan teknologi digital dengan bijak. tujuan dari penelitian ini sendiri adalah untuk melihat sejauh mana orang indonesia mengertidan faham fungsi dari teknologi yang mereka pakai ini.
Indonesia Berpetualang ke Dunia Digital: Society 5.0 Mikel Ega Wijaya; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p570-575

Abstract

Society 5.0 offers a platform where technology and innovation can enhance societal well-being by utilizing data and artificial intelligence to solve social issues. In the era of Society 5.0, Indonesia is faced with technology that enables virtual access as if it were physical access. AI based on big data and robots are utilized to support human labor in Society 5.0 technology. In this "new" world, digitalization, virtuality, and continuous internet access have become common for most of the world's population. In the face of the digital era and rapid technological advancements, Indonesia needs to act. As a country with the world's largest population, it is crucial for Indonesia to utilize technology and innovation to improve the quality of life and societal well-being. Despite these challenges, Indonesia also has enormous potential to utilize technology and innovation in various sectors such as education, healthcare, and agriculture. Therefore, a joint effort between the government, industry, and society is needed to overcome these challenges and accelerate digital transformation in Indonesia to achieve maximum benefit from the potential of Society 5.0 in Indonesia. Society 5.0 menawarkan di mana teknologi dan inovasi dapat meningkatkan kesejahteraan masyarakat dengan menggunakan data dan kecerdasan buatan untuk memecahkan masalah sosial. Dalam era Society 5.0, Indonesia berhadapan dengan teknologi yang memungkinan akses ke tempat virtual seakan-akan seperti akses ke tempat fisik. AI berbasis big data dan robot digunakan untuk memberikan dukungan pada pekerjaan manusia. dalam teknologi Society 5.0. Di dunia "baru" ini, digitalisasi, virtualitas, dan akses internet yang terus-menerus telah menjadi hal yang umum bagi sebagian besar populasi dunia. Di hadapan era digital dan perkembangan teknologi yang pesat, Indonesia perlu mengambil tindakan. Sebagai sebuah negara yang memiliki populasi jumlah penduduk terbesar di dunia, dalam memanfaatkan teknologi dan inovasi untuk meningkatkan kualitas hidup dan kesejahteraan masyarakatnya.Namun dibalik tantangan tersebut, Indonesia juga memiliki potensi besar pada pemanfaatan teknologi dan inovasi dalam berbagai sektor seperti pendidikan, kesehatan dan pertanian. Oleh karena itu, dibutuhkan upaya bersama antara pemerintah, industri, dan masyarakat untuk mengatasi tantangan tersebut dan mempercepat transformasi digital di Indonesia agar dapat meraih manfaat maksimal dari Potensi Society 5.0 di Indonesia.
Kolaborasi Artificial Intelligence dalam Peningkatan Kebutuhan Bisnis di Era Society 5.0 Muhammad Ghazi Mubarokah; Aji Wibawa
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 2 No. 12 (2022)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um068v2i122022p576-580

Abstract

Society 5.0 is people who can solve problems and challenges by using various technology-oriented innovations born in the 4.0 era, in this era where a large amount of information is accumulated from sensors in physical space in virtual space. An example is artificial intelligence. In this study, library research methods or also called library research were used. Literary study is a series of activities related to methods of collecting literature, reading, and processing research materials. The keyword search results found several academic journals and books related to the research question. There are a total of 10 resources in the source library, including: 4 scientific articles, 2 books, 2 essays, 2 online articles, all available online. This research resulted in several conclusions that AI collaboration with Society 5.0 has many advantages and disadvantages because Society 5.0 itself is an era where users do not compete with AI, but instead support technology and human resources that are mutually sustainable. Society 5.0 adalah orang yang mampu memecahkan masalah dan tantangan dengan berbagai inovasi berbasis teknologi yang lahir di era 4.0 dimana sensor di ruang fisik mengumpulkan informasi dalam jumlah besar di ruang virtual. Contohnya adalah kecerdasan buatan. Penelitian ini menggunakan metode riset kepustakaan atau library research. Penelitian kepustakaan merupakan kegiatan yang berkaitan dengan metode pengumpulan literatur. Di bawah istilah pencarian ini Anda akan menemukan beberapa jurnal ilmiah dan buku tentang pertanyaan penelitian. Pustaka sumber daya memiliki total 10 sumber daya termasuk: 4 artikel ilmiah, 2 buku, 2 esai, 2 artikel online, semuanya tersedia online. Kajian ini menghasilkan beberapa kesimpulan bahwa kerjasama AI dengan Society 5.0 memiliki banyak keuntungan dan kerugian, karena Society 5.0 sendiri merupakan era dimana pengguna tidak bersaing dengan AI tetapi dengan dukungan teknologi berkelanjutan dan sumber daya manusia saling bersaing.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 5 No. 5 (2025) Vol. 5 No. 4 (2025) Vol. 5 No. 3 (2025) Vol. 5 No. 1 (2025) Vol. 4 No. 10 (2024) Vol. 4 No. 9 (2024) Vol. 4 No. 8 (2024) Vol. 4 No. 7 (2024) Vol. 4 No. 6 (2024) Vol. 4 No. 5 (2024) Vol. 4 No. 4 (2024) Vol. 4 No. 3 (2024) Vol. 4 No. 2 (2024) Vol. 4 No. 1 (2024) Vol. 3 No. 12 (2023) Vol. 3 No. 11 (2023) Vol. 3 No. 10 (2023) Vol. 3 No. 9 (2023) Vol. 3 No. 8 (2023) Vol. 3 No. 7 (2023) Vol. 3 No. 6 (2023) Vol. 3 No. 5 (2023) Vol. 3 No. 4 (2023) Vol. 3 No. 3 (2023) Vol. 3 No. 2 (2023) Vol. 3 No. 1 (2023) Vol. 2 No. 12 (2022) Vol. 2 No. 11 (2022) Vol. 2 No. 10 (2022) Vol. 2 No. 9 (2022) Vol. 2 No. 8 (2022) Vol. 2 No. 7 (2022) Vol. 2 No. 6 (2022) Vol. 2 No. 1 (2022) Vol. 1 No. 11 (2021) Vol. 1 No. 10 (2021) Vol. 1 No. 9 (2021) Vol. 1 No. 8 (2021) Vol. 1 No. 7 (2021) Vol. 1 No. 6 (2021) Vol. 1 No. 5 (2021) Vol. 1 No. 4 (2021) Vol. 1 No. 3 (2021) Vol. 1 No. 2 (2021) Vol. 1 No. 1 (2021) More Issue