cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rani Megasari
Contact Email
megasari@upi.edu
Phone
+628112412413
Journal Mail Official
jatikom@upi.edu
Editorial Address
Program Studi Ilmu Komputer FPMIPA Universitas Pendidikan Indonesia Jl.Setiabudhi 229 Bandung Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer
Published by Universitas Pendidikan Indonesia
ISSN : -     EISSN : 2615577X     DOI : https://doi.org/10.17509/jatikom
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering
JATIKOM adalah jurnal nasional yang ditujukan sebagai media publikasi hasil-hasil penelitian tentang aplikasi dan teori di rumpun bidang ilmu komputer seperti kecerdasan buatan, rekayasa perangkat lunak, basis data, sistem informasi, jaringan komputer, teknologi informasi, simulasi dan pemodelan, riset operasi, sistem digital, dan multimedia. JATIKOM diterbitkan dua kali setahun, yaitu pada bulan Maret dan September oleh Program Studi Ilmu Komputer Departemen Pendidikan Ilmu Komputer, Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam (FPMIPA), Universitas Pendidikan Indonesia (UPI). Kami mengundang peneliti, akademisi dan praktisi industri yang memiliki hasil penelitian terkait aplikasi dan teori ilmu komputer untuk berkontribusi dalam jurnal ini.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 55 Documents
 1   2   3   4   5 
Sistem Pendukung Keputusan Penyusunan Prioritas Perbaikan Standar Akreditasi Program Studi Menggunakan Metode AHP dan PROMETHEE Kartika Dewi Saptarena Haryono; Jajang Kusnendar; Asep Wahyudin
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25147

Abstract

Setiap program studi dari perguruan tinggi memerlukan penilaian akreditasi sebagai kendali mutu dan akuntabilitas publik institusi. Pencapaian terakreditasi A dari Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) bukanlah hal yang mudah dilakukan dalam waktu singkat. Program studi perlu mempersiapkan borang yang terdiri dari tujuh standar akreditasi ketika akan melakukan penilaian akreditasi. Sistem Pendukung Keputusan (SPK) dibuat untuk membantu tim akreditasi dalam menyusun prioritas perbaikan tujuh standar akreditasi agar mendapat hasil perbaikan yang signifikan. Sistem pendukung keputusan dibuat dengan menggunakan metode Analytical Hierarchy Process (AHP) untuk perhitungan bobot kriteria dan metode Preference Ranking Organization Method for Enrichment Evaluation (PROMETHEE) untuk perankingan tujuh standar akreditasi. Kriteria yang digunakan antara lain ketersediaan dana, sumber daya manusia, jangka waktu perbaikan, dan bobot BAN-PT. Lalu alternatif yang digunakan adalah ketujuh standar akreditasi menurut BAN-PT mulai dari standar 1 hingga standar 7. Perangkat lunak yang dikembangkan menggunakan bahasa pemrograman PHP dan HTML.
Implementasi Algoritma Extreme Learning Machine pada Prediksi Aktivitas Badai Geomagnetik Irsyad Prawira; Rani Megasari; Eki Nugraha; Anton Winarko
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25121

Abstract

Badai geomagnetik merupakan gangguan yang terjadi di magnetosfer bumi, akibat adanya aktivitas matahari yang dapat berdampak pada infrastruktur listrik di bumi. Sebagai peringatan dini, Lembaga Penerbangan dan Antariksa Nasional (LAPAN) di Indonesia memiliki kegiatan rutin untuk memprediksi kemungkinan terjadinya badai tersebut dalam rentang waktu 24 jam ke depan. Namun pada tahun 2015, hasil prediksi badai geomagnetik yang dilakukan secara manual oleh LAPAN hanya mendapatkan akurasi sebesar 57.14%. Oleh karena itu, penelitian ini mengusulkan pemanfaatan metode Extreme Learning Machine (ELM) dengan inisiasi bobot dan bias input secara acak sehingga memiliki waktu eksekusi cepat dalam melakukan prediksi badai geomagnetik, yang bertujuan untuk mendapatkan nilai prediksi secara otomatis dengan nilai akurasi yang dapat dijadikan sebagai pendukung keputusan. Data penelitian yang digunakan meliputi data coronal hole, coronal mass ejection, solar wind dan indeks Dst pada tahun 2011 hingga 2016. Hasil penelitian ini menunjukkan algoritma ELM memiliki tingkat akurasi yang lebih besar dalam memprediksi badai geomagnetik tahun 2015, dengan nilai 57.80822%. Meskipun memiliki selisih akurasi yang kecil, namun pemanfaatan ELM ini dapat membantu prediksi badai geomagnetik secara otomatis. Secara umum, algoritma ELM yang dibangun dalam penelitian ini memiliki nilai rata-rata akurasi prediksi tertinggi sebesar 69.9055%.
Sistem Informasi Untuk Meningkatkan Efektivitas Penyediaan Bahan Mentah pada UMKM dengan Menggunakan Time Series Forecasting Autoregressive Model Ilham Mohammad Hanip Soetardjo
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.27843

Abstract

Usaha Mikro Kecil dan Menengah (UMKM), dianggap sebagai cara efektif dalam pengentasan kemiskinan. Salah satu permasalahan di UMKM yang bergerak di bidang makanan adalah prediksi dalam penyediaan bahan baku. Prediksi stok bahan baku yang dibutuhkan oleh UMKM dalam penjualan produknya terkadang tidak sesuai dengan kebutuhan. Akibat dari banyaknya bahan mentah yang terbuang adalah kerugian dalam sisi ekonomi. Apabila kerugian tersebut berlanjut dalam jangka panjang, akan menyebabkan UMKM tersebut tidak dapat berjalan kembali, makalah ini menggunakan analisis time series forecasting AR model untuk melakukan prediksi ilmiah untuk mencegah kerugian di masa depan. Hasil penelitian menunjukkan bahwa hasil perbandingan antara harga toko dengan harga prediksi yaitu harga toko lebih kecil dari harga prediksi, sehingga dapat disimpulkan bahwa model AR ini bagus.
Perancangan Webiste Pembelajaran Pemrograman menggunakan Google Blockly dengan Metode Pembelajaran Creative Learning Cycle Ani Anisyah; Willdan Aprizal Arifin; Fernaldy Akbar Faudzan
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 6, No 1 (2023)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v6i1.56549

Abstract

Keterampilan menulis program menjadi keterampilan yang penting pada abad ke-21. Dalam upaya peningkatan keterampilan abad ke-21 terutama dalam keterampilan computational thinking untuk pemrograman diperlukan metode pembelajaran yang selaras dan teknologi yang mendukung. Pemrograman berbasis blok (Block-based Programming) merupakan konsep pembelajaran pemrograman bebasis virtual yang digunakan untuk pemula dalam memahami konsep pemrogramn. Metode pembelajaran creative learning cycle merupakan pembelajaran yang mendorong seseorang untuk berpikir kreatif dan problem solving yang telah teruji menjadi pembealajaran yang dapat mendukung keahlian abad ke-21. Berdasarkan hal tersebut perlu adanya teknologi pembelajaran yang mendukung kebutuhan tersebut. Pembelajaran berbasis web ini dirancang dengan menggunakan tahapan waterfall yang terdiri dari tahapan analisis, desain, pengkodean, verifikasi/testing, dan deployment. Hasil analisis respon pengguna terhadap web yang dibangun mendapatkan nilai sebesar 79,5% yang dikategorikan sebagai nilai yang sangat baik. Kebelanjutan dari penelitian ini diharapkan penggembang dapat lebih memperkaya fitur block program pada blocky sehingga fitur lebih lengkap.
Aplikasi Deteksi Plagiarisme Dokumen Skripsi dengan Algoritma Rabin Karp Teti Suryati; Yudi Wibisono; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25190

Abstract

Saat ini plagiarisme menjadi masalah penting di lingkungan akademik. Kemajuan teknologi memudahkan akses dokumen skripsi dari repository milik universitas yang dapat memicu tindakan plagiarisme. Plagiarisme merupakan salah satu tindak kejahatan yang dapat ditindak pidana. Diperlukan deteksi plagiarisme terhadap dokumen skripsi yang disubmit mahasiswa. Penelitian ini menerapkan teknik string searching yaitu algoritma Rabin-Karp dalam mendeteksi plagiarisme dokumen skripsi. Prinsip dasar algoritma Rabin-Karp adalah fungsi hashing. Sebelum masuk ke fungsi hashing, dokumen yang berisi string akan di parsing sehingga membentuk kelompok kata, setelah itu kelompok kata tersebut akan di generate menjadi bentuk bilangan bulat (hashing). Setelah membentuk nilai hash maka nilai hash kedua dokumen akan dibandingkan sehingga mendapat hasil similarity. Untuk menguji sistem ini dilakukan eksperimen yang melibatkan 54 dokumen hasil plagiat dengan pengujian 1 hingga 5 gram. Hasil dari penelitian ini adalah nilai error yang dihasillkan dengan gram 1 hingga 5 secara berturut-turut yaitu 10.61%, 14.1%, 18.5%, 22.68%, 25.93%.
Penggunaan Wi-Fi Direct Untuk Aplikasi Presensi dan Distribusi File Fikry Al Farisi Muslim; Yudi Wibisono; Yaya Wihardi
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 1 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i1.33207

Abstract

Presensi merupakan kehadiran seseorang di suatu tempat untuk memenuhi kewajibannya. Penelitian ini bertujuan untuk membantu proses presensi dalam kegiatan perkuliahan dengan mengembangkan sebuah aplikasi. Aplikasi ini juga dapat menghemat waktu dalam distribusi file. Aplikasi presensi dan distribusi file yang dibuat berbasis Android dan digunakan pada perangkat mobile smartphone yang memanfaatkan teknologi Wi-Fi Direct. Dosen akan memegang kendali aplikasi ini dan mahasiswa sebagai seseorang yang di catat kehadirannya. Pengujian dilakukan oleh pengguna secara langsung dan menghasilkan respon berupa tanggapan yang dikategorikan dengan metode rating scale. Hasil analisis data respon pengguna terhadap aplikasi menghasilkan penilaian sebesar 83%, sehingga aplikasi yang dibuat termasuk dalam kategori sangat baik dan cocok untuk membantu dalam melakukan presensi dan distribusi file
Penerapan Association Rules Menggunakan Algoritma Apriori Pada Sistem Rekomendasi Pemilihan Resep Obat Berdasarkan Data Rekam Medis Abdul Aziz Priatna; Rani Megasari; Jajang Kusnendar
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 2 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i2.25185

Abstract

Peningkatan kunjungan pasien di rumah sakit terutama pasien rawat jalan, berdampak pada meningkatnya pekerjaan yang harus dilakukan oleh petugas rumah sakit, khususnya apoteker. Peningkatan tersebut menyebabkan lambannya pelayanan resep obat di rumah sakit. Selain itu pencatatan rekam medis yang masih dilakukan secara manual juga turut menjadi penyebab hal ini terjadi, karena kurangnya pengetahuan akan standar format penulisan resep sehingga membuat para apoteker sulit untuk membaca obat yang di resepkan oleh dokter. Oleh karena itu, penelitian ini mengusungkan penerapan teknik association rules dengan menggunakan algoritma apriori yang bertujuan untuk membuat sistem rekomendasi pemilihan resep obat. Dataset yang digunakan berupa data rekam medis RSAU Dr. M. Salamun tanggal 24 Juli 2017 hingga 29 Juli 2017. Sistem yang dibangun diharapkan dapat membantu dokter untuk menemukan pola asosiatif dari kombinasi penyakit dan obat-obatan yang direkomendasikan, serta akan secara otomatis terhubung dengan sistem yang digunakan apoteker dalam melakukan pelayanan resep obat. Hasil dari penelitian menunjukkan bahwa sistem dapat memberikan rekomendasi obat-obatan dari data rekam medis dengan nilai rata-rata akurasi sebesar 89%.
Perbandingan Algoritma Deteksi Fitur SIFT, SURF dan ORB dalam Proses Deteksi Objek Pada Video CCTV vicry faturohman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.28089

Abstract

—Pengaplikasian deteksi objek ada dalam berbagai industri, dengan kasus penggunaan mulai dari keamanan pribadi hingga produktivitas di tempat kerja. Deteksi objek diterapkan di banyak bidang computer vision, termasuk pengambilan gambar, keamanan, pengawasan pada video CCTV. Dalam penelitian ini kami coba membandingkan tiga algoritma deteksi objek scale-invariant feature transform (SIFT), Speeded up robust features (SURF) dan Oriented FAST and Rotated BRIEF (ORB) terhadap berbagai jenis objek yang ada dalam video rekaman CCTV. Hasil eksperimen membuktikan algoritma SIFT memiliki akurasi terbaik sebesar 89,67%, SURF sebesar 87,15% dan ORB sebesar 81,21%.
Penerapan Algoritma Enchanced Confix Stripping dalam Pengukuran Keterbacaan Teks Menggunakan Gunning Fog Index Yessi Nurul Fadziah; Rasim Rasim; Eka Fitrajaya
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 1, No 1 (2018)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v1i1.25143

Abstract

Untuk membantu pembaca, penulis dan pengajar dalam memilih bacaan yang mudah untuk dibaca dalam segi sintatik adalah dengan memeriksa tingkat keterbacaan bacaan tersebut. Keterbacaan merupakan ukuran tingkat kesulitan dan kemudahan suatu teks yang dipahami. Pengukuran keterbacaan dapat menggunakan formula keterbacaan atau teknik cloze. Penggunaan teknik cloze memiliki tingkat akurasi yang baik, namun teknik tersebut dapat memakan waktu pengujian lebih lama, maka dari itu pada penelitian ini digunakan formula keterbacaan untuk mengukur keterbacaan teks berdasarkan jumlah kata, jumlah kalimat dan jumlah kompleksitas kata. Formula Keterbacaan yang digunakan untuk mengukur keterbacaan berbahasa Indonesia adalah Gunning Fog Index. Untuk mengetahui validitas Formula Gunning Fog Index diperlukan suatu perbandingan hasil antara Formula Gunning Fog Index dan Teknik Cloze. Hasilnya diketahui bahwa Formula Gunning Fog Index memiliki akurasi mencapai 75%. Dalam Bahasa Indonesia, untuk menghitung jumlah kompleksitas kata adalah dengan menghitung jumlah kata serapan. Untuk mendapatkan jumlah kata serapan diterapkan Algoritma Enhanced Confix Stripping untuk memenggal kata imbuhan sehingga mendapatkan kata dasar yang selanjutnya kata dasar tersebut digunakan untuk mengecek ke dalam kamus kata serapan agar dapat menghitung jumlah kompleksitas kata. Dalam penelitian ini, Algoritma ini memiliki akurasi mencapai 82%, penerapan Algoritma Enhanced Confix Stripping ini masih memiliki kekurangan overstemming dan undertsemming.
Implementasi Metode Machine Learning menggunakan Algoritma Evolving Artificial Neural Network pada Kasus Prediksi Diagnosis Diabetes Yudi Ahmad Hambali; Rani Megasari; Resky Ramadhandi Santoso
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 6, No 1 (2023)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v6i1.56536

Abstract

Diabetes mellitus is a global health problem that can affect anyone, from children, adolescents, to adults. Therefore, diabetes is one of the non-communicable diseases that has become a serious threat to global health. Since 1980, the number of diabetics worldwide has nearly doubled from 4.7% to 8.5% of the total population. The International Diabetes Federation (IDF) even estimates that the number of diabetes sufferers worldwide will reach 700 million people by 2045. In response to this condition, this study predicts diabetes diagnosis using machine learning algorithms, artificial neural network. However, there is a major problem with this algorithm, namely in determining the correct architecture. This problem can be viewed as an optimization problem, where many architectural possibilities that can occur. Therefore, to search for the right architecture to increase the accuracy of the predictions, there will be stages to use the evolution algorithm. Because this algorithm is very suitable to be applied in an optimization case. This study implements Evolving Artificial Neural Network (EANN) algorithm to predict the patient's diagnosis. It is with the hope that this study can produce higher accuracy in predicting patient diagnosis in diabetes. The data set used was Pima Indian Diabetes from the UCI Machine Learning Repository. Based on the experiments that have been carried out, the best model produced has an accuracy of 83.55%. This means that the algorithm used is quite successful in predicting diabetes diagnosis.

Page 2 of 6 | Total Record : 55

 1   2   3   4   5 

Filter by Year

2018 2024


Reset
Filter By Issues
All Issue Vol 7, No 2 (2024): September 2024, Jurnal Aplikasi dan Teori Ilmu Komputer (Jatikom) Vol 7, No 1 (2024) Vol 6, No 1 (2023) Vol 4, No 2 (2021) Vol 4, No 1 (2021) Vol 3, No 2 (2020) Vol 3, No 1 (2020) Vol 1, No 2 (2018) Vol 1, No 1 (2018)