cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Eko Fajar Cahyadi
Contact Email
ekofajarcahyadi@ittelkom-pwt.ac.id
Phone
+6285384848666
Journal Mail Official
infotel@ittelkom-pwt.ac.id
Editorial Address
Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Institut Teknologi Telkom Purwokerto Jl. D. I. Panjaitan, No. 128, Purwokerto 53147, Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal INFOTEL
Published by Universitas Telkom
ISSN : 20853688     EISSN : 24600997     DOI : https://doi.org/10.20895/infotel.v15i2
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering
Jurnal INFOTEL is a scientific journal published by Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) of Institut Teknologi Telkom Purwokerto, Indonesia. Jurnal INFOTEL covers the field of informatics, telecommunication, and electronics. First published in 2009 for a printed version and published online in 2012. The aims of Jurnal INFOTEL are to disseminate research results and to improve the productivity of scientific publications. Jurnal INFOTEL is published quarterly in February, May, August, and November. Starting in 2018, Jurnal INFOTEL uses English as the primary language.
Arjuna Subject : Teknik (semua kategori) - Teknik (Lain-Lain)
Articles 14 Documents
 1   2 
Search results for , issue "Vol 9 No 4 (2017): November 2017" : 14 Documents clear
Eyeglass Frame Identification Using Pixel Measurement Method and k-NN Algorithm Muhammad Ihsan Zul; Istianah Muslim; Atiya Karimah
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.317

Abstract

Kacamata yang tersedia saat ini memiliki beragam jenis dan bentuk. Bentuk frame kacamata terdiri dari rectangle, square, oval, aviator, round, geometric, dan wrap. Penelitian ini ditujukan untuk pendekatan optisien mengenal bentuk kacamata. Pemanfaatan citra digital menjadi bagian yang penting dalam penelitian ini. Citra kacamata diambil dari IP Camera dan internet. Gambar diproses ke dalam Grayscale, lalu diproses ke citra Biner untuk mendapatkan pola tinggi dan lebar kacamata. Lebar dan tinggi digunakan dalam melakukan ekstraksi ciri. Proses tersebut menghasilkan 6 atribut, 3 rasio tinggi kacamata dan 3 rasio lebar kacamata. Ke-6 atribut tersebut diklasifikasikan dengan menggunakan algortima k-NN. Berdasarkan pengujian yang dilakukan, akurasi identifikasi mencapai 58%-71%
Analisis Performansi VLAN Pada Jaringan Software Defined Network (SDN) Rohmat Tulloh
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.319

Abstract

Software defined network (SDN) adalah sebuah paradigma baru dalam dunia jaringan yang mampu memusatkan fungsi beberapa control plane pada layer 2 maupun di layer 3 secara terprogram, hal tersebut menyebabkan jaringan akan bersifat lebih fleksibel dan terskala. Dengan jumlah pertumbuhan pengguna internet yang semakin tinggi maka hal tersebut akan berbanding lurus terhadap kompleksitas dari jaringan internet itu sendiri. Sehingga paradigma SDN ini menjadi salah satu solusi yang muncul. Penerapan Virtual Local Area Network (VLAN) pada jaringan tradisional telah menjadi hal yang penting dan banyak diterapkan. Fungsi VLAN adalah untuk membatasi broadcast trafik dari suatu host, sehingga hanya dapat mengirim data kepada VLAN ID yang sama. Penelitian ini menganalisis performansi VLAN di jaringan SDN. Terjadi penurunan angka jumlah paket yang dapat terkirim (data transfer) dan nilai throughput pada sebuah VLAN ID karena terdapat pengaruh dari VLAN ID yang berbeda. Pada pengujian membandingkan VLAN dengan non VLAN over Netwok Functions Virtualization (NFV) didapatkan bahwa nilai data transfer dan throughput yang diperoleh pada VLAN lebih besar. Hasil analisis dari seluruh pengujian penambahan traffic terlihat bahwa kinerja VLAN pada SDN akan membebani kinerja jaringan pada VLAN yang berbeda
Algoritma A* Dalam Peletakan Pola Pakaian Pada Kain Irma Amelia Dewi; Asep Nana H; Safira Dwi Aryanti P
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.330

Abstract

Strip Packing Problem (SPP) merupakan permasalahan dalam peletakan suatu pola dari objek yang beraturan ataupun tidak beraturan pada sebuah wadah berukuran tertentu. Salah satu kasus dalam SPP biasanya dialami oleh perusahaan konveksi dalam memproduksi pakaian secara masal. Permasalahan yang muncul adalah bagaimana meletakan pola-pola pakaian di atas kain agar memperoleh optimalisasi dalam penggunaan bahan dan mengurangi sisa kain yang berlebih. Salah satu metode yang digunakan untuk dalam permasalahan SPP ini menggunakan Algoritma A*. Setiap pola pada satu jenis model pakaian yang ditentukan pengguna dihitung luas polanya dan diurutkan dari yang terkecil sampai yang terbesar. Kemudian pola dipetakan di atas kain dengan ukuran tertentu hingga mencapai kuantitas pakaian yang diinginkan terpenuhi. Pada penelitian ini hanya fokus pemetaan untuk mencapai efisiensi keterpakaian bahan. Model baju yang diujikan adalah pakaian wanita: kaos & kemeja lengan panjang & pendek, celana panjang dan rok panjang. Pola dibuat dalam bentuk Scalable Vector Graphics (SVG) berupa titik koordinat x dan y. Dari hasil pengujian pola diperoleh efisiensi keterpakaian bahan mencapai 68%, hal ini dipengaruhi oleh faktor pemetaan dari besaran luas yang terkecil ke terbesar secara iteratif sehingga memungkinkan adanya ruang kosong(sisa) antar pola yang tidak terpakai.
Prediksi Produktivitas Tanaman Padi di Kabupaten Karawang Menggunakan Bayesian Networks Betha Nurina Sari; Hendi Permana; Kardo Trihandoko; Asep Jamaludin; Yuyun Umaidah
JURNAL INFOTEL Vol 9 No 4 (2017): November 2017
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/infotel.v9i4.336

Abstract

Penelitian ini ditujukan untuk membangun sebuah model prediksi tingkat produktivitas padi di kabupaten Karawang. Prediksi menggunakan Bayesian Networks dilakukan dengan tiga tahap, yaitu tahap pra-pemrosesan data, tahap implementasi dan tahap evaluasi. Tahap pra-pemrosesan dilakukan dengan transformasi data numerik menjadi data nominal dengan menggunakan dua skenario,yaitu threshold mean dan teknik diskretisasi. Tahap implementasi adalah menerapkan algoritma Bayesian Networks, yaitu melalui proses pembelajaran struktur dan pembelajaran parameter. Proses pembelajaran struktur dan parameter pada bayesian networks menggunakan software CaMML 1.41. Evaluasi performa Bayesian Networks dalam memprediksi produktivitas padi dengan confusion matrix, yaitu menghitung akurasi prediksi dan log loss. Hasil eksperimen menunjukkan hasil yang memuaskan, akurasi di atas 90%. Model terbaik dihasilkan dari tahap pra-pemrosesan menggunakan diskretisasi dan training data selama 5 tahun dan testing data selama 1 tahun. Hal ini menunjukkan pemilihan teknik pra-pemrosesan dan teknik pembagian training data dan testing data mempengaruhi hasil evaluasi performa struktur Bayesian Networks.

Page 2 of 2 | Total Record : 14

 1   2 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 17 No 1 (2025): February 2025 Vol 17 No 4 (2025): November Vol 17 No 3 (2025): August Vol 17 No 2 (2025): May Vol 16 No 4 (2024): November 2024 Vol 16 No 3 (2024): August 2024 Vol 16 No 2 (2024): May 2024 Vol 16 No 1 (2024): February 2024 Vol 15 No 4 (2023): November 2023 Vol 15 No 3 (2023): August 2023 Vol 15 No 2 (2023): May 2023 Vol 15 No 1 (2023): February 2023 Vol 14 No 4 (2022): November 2022 Vol 14 No 3 (2022): August 2022 Vol 14 No 2 (2022): May 2022 Vol 14 No 1 (2022): February 2022 Vol 13 No 4 (2021): November 2021 Vol 13 No 3 (2021): August 2021 Vol 13 No 2 (2021): May 2021 Vol 13 No 1 (2021): February 2021 Vol 12 No 4 (2020): November 2020 Vol 12 No 3 (2020): August 2020 Vol 12 No 2 (2020): May 2020 Vol 12 No 1 (2020): February 2020 Vol 11 No 4 (2019): November 2019 Vol 11 No 3 (2019): August 2019 Vol 11 No 2 (2019): May 2019 Vol 11 No 1 (2019): February 2019 Vol 10 No 4 (2018): November 2018 Vol 10 No 3 (2018): August 2018 Vol 10 No 2 (2018): May 2018 Vol 10 No 1 (2018): February 2018 Vol 9 No 4 (2017): November 2017 Vol 9 No 3 (2017): August 2017 Vol 9 No 2 (2017): May 2017 Vol 9 No 1 (2017): February 2017 Vol 8 No 2 (2016): November 2016 Vol 8 No 1 (2016): May 2016 Vol 7 No 2 (2015): November 2015 Vol 7 No 1 (2015): May 2015 Vol 6 No 2 (2014): November 2014 Vol 6 No 1 (2014): May 2014 Vol 5 No 2 (2013): November 2013 Vol 5 No 1 (2013): May 2013 Vol 4 No 2 (2012): November 2012 Vol 4 No 1 (2012): May 2012 Vol 3 No 2 (2011): November 2011 Vol 3 No 1 (2011): May 2011 Vol 2 No 2 (2010): November 2010 Vol 2 No 1 (2010): May 2010 Vol 1 No 2 (2009): November 2009 Vol 1 No 1 (2009): May 2009 More Issue