cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wahyu Andhyka Kusuma
Contact Email
kusuma.wahyu.a@gmail.com
Phone
+628973127396
Journal Mail Official
wahyukusuma@umm.ac.id
Editorial Address
Program Studi Informatika Fakultas Teknik, Universitas Muhammadiyah Malang Raya Tlogomas 246 Malang, Indonesia Telepon 0341-464318 Ext. 247 Kontak: +628973127396 (Wahyu Andhyka Kusuma) Penerbit: (0341) 464319 - ext. 243 (LPPI Universitas Muhammadiyah Malang)
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Repositor
Published by Universitas Muhammadiyah Malang
ISSN : 27147975     EISSN : 27161382     DOI : https://doi.org/10.22219/repositor
Core Subject :
Jurnal Repositor merupakan jurnal ilmiah dengan ruang lingkup keilmuan bidang informatika. Jurnal ini mempublikasikan hasil penelitian, telaah ilmiah dan serangkaian hasil studi yang berkaitan. Adapun ruang lingkup dari jurnal ini adalah sebagai berikut: Kecerdasan Buatan (Artificial Intelligence) Pembelajaran mesin (machine learning) Jaringan saraf tiruan (neural networks) Pemrosesan bahasa alami (natural language processing) Sistem pakar dan pengambilan keputusan otomatis Data Sains dan Analitik (Data Science and Analytics) Big data Data mining Analitik prediktif Visualisasi data Pengembangan Perangkat Lunak (Software Engineering) Metodologi pengembangan perangkat lunak Rekayasa perangkat lunak berbasis komponen Pengujian dan kualitas perangkat lunak DevOps dan integrasi berkelanjutan Sistem Informasi (Information Systems) Sistem manajemen basis data Sistem informasi manajemen E-commerce dan sistem informasi bisnis Sistem informasi geografis Keamanan Siber (Cybersecurity) Kriptografi Keamanan jaringan Keamanan sistem dan aplikasi Analisis dan mitigasi serangan siber Jaringan dan Komunikasi (Networking and Communication) Protokol jaringan Jaringan nirkabel dan mobile Internet of Things (IoT) Komunikasi data dan jaringan sensor Komputasi Terdistribusi dan Paralel (Distributed and Parallel Computing) Cloud computing Komputasi grid dan komputasi awan Komputasi paralel Sistem terdistribusi Multimedia dan Interaksi Manusia-Komputer (Multimedia and Human-Computer Interaction) Pengolahan gambar dan video Realitas virtual dan augmentasi Desain antarmuka pengguna Usabilitas dan pengalaman pengguna Bioinformatika dan Komputasi Kesehatan (Bioinformatics and Health Informatics) Analisis data biomedis Sistem informasi kesehatan Genomika komputasional Pemodelan dan simulasi dalam biologi Teori Komputasi dan Algoritma (Theory of Computation and Algorithms) Kompleksitas komputasi Desain dan analisis algoritma Teori graf dan kombinatorika Pemrograman dan optimisasi matematis Robotika dan Sistem Otomatisasi (Robotics and Automation Systems) Sistem robotik dan kendali Kendaraan otonom Otomatisasi industri Robot kolaboratif
Arjuna Subject : -
Articles 479 Documents
 5   6   7   8   9 
Perbandingan Kinerja Komputasi Hadoop dan Spark untuk Memprediksi Cuaca (Studi Kasus : Storm Event Database) Rendiyono Wahyu Saputro; Aminuddin Aminuddin; Yuda Munarko
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30510

Abstract

Perkembangan teknologi telah mengakibatkan pertumbuhan data yang semakin cepat dan besar setiap waktunya. Hal tersebut disebabkan oleh banyaknya sumber data seperti mesin pencari, RFID, catatan transaksi digital, arsip video dan foto, user generated content, internet of things, penelitian ilmiah di berbagai bidang seperti genomika, meteorologi, astronomi, fisika, dll. Selain itu, data - data tersebut memiliki karakteristik yang unik antara satu dengan lainnya, hal ini yang menyebabkan tidak dapat diproses oleh teknologi basis data konvensional. Oleh karena itu, dikembangkan beragam framework komputasi terdistribusi seperti Apache Hadoop dan Apache Spark yang memungkinkan untuk memproses data secara terdistribusi dengan menggunakan gugus komputer.Adanya ragam framework komputasi terdistribusi, sehingga diperlukan sebuah pengujian untuk mengetahui kinerja komputasi keduanya. Pengujian dilakukan dengan memproses dataset dengan beragam ukuran dan dalam gugus komputer dengan jumlah node yang berbeda. Dari semua hasil pengujian, Apache Hadoop memerlukan waktu yang lebih sedikit dibandingkan dengan Apache Spark. Hal tersebut terjadi karena nilai throughput dan throughput/node Apache Hadoop lebih tinggi daripada Apache Spark.
Model Simulasi Rational Unified Process (RUP) Pada Pegembagan Perangkat Lunak Tuti Karen Tia; Ilyas Nuryasin; Maskur Maskur
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30511

Abstract

Pada pengembangan perangkat lunak terdapat beberapa jenis metodologi yang dapat digunakan, salah satunya adalah Rational Unified Process (RUP). RUP merupakan salah satu jenis proses pengembangan perangkat lunak yang digunakan di berbagai perusahaan perangkat lunak. Terdapat berbagai jenis proyek pada pengembangan perangkat lunak RUP, yaitu proyek yang dibangun dari awal dan memiliki skala kecil, proyek yang memiliki skala besar dan proyek pengembangan dari sistem yang sudah dibangun sebelumnya. Setiap jenis proyek memiliki kebutuhan yang berbeda, terutama dalam penggunaan setiap peran. Pada RUP terdapat beberapa peran penting yang tidak dapat dilakukan oleh satu individu karena harus bekerja pada saat bersamaan. Pada dasarnya tujuan dari RUP adalah dapat menghasilkan perangkat lunak yang berkualitas tinggi. Hal tersebut tidak dapat tercapai apabila penggunaan peran yang kurang tepat. Penelitian ini mengusulkan jumlah peran yang dibutuhkan untuk pengembangan perangkat lunak menggunakan RUP dengan membuat model simulasi. Tujuan dari pembuatan model simulasi ini adalah untuk mengetahui peran yang sesuai berdasarkan setiap jenis proyek. Hasil dari model simulasi yaitu berupa persentase dari setiap peran yang dibutuhkan, project manager memiliki persentase terbesar dibandingkan dengan peran lainnya, yaitu sebesar 76% pada proyek skala kecil dan 60% pada proyek skala besar.
Implementasi Honey Bee Mating Optimization Pada Vehicle Routing Problem With Time Windows Dalam Perencanaan Jalur Wisata Malang M. Syawaluddin Putra Jaya; Yufis Azhar; Nur Hayatin
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30512

Abstract

Vahicle Routing Problem adalah suatu masalah pencaian jalur yang akan dilalui dengan tujuan mencari rute yang paling cepat atau pendek. Vahicle Routing Problem with Time Windows (VRPTW) yang merupakan sebutan bagi VRP dengan kendala tambahan berupa adanya time windows pada masing-masing pelanggan yang dalam hal ini berupa destinasi wisata. Dalam penelitian ini diterapkan Honey Bee Mating Optimization (HBMO) dalam menyelesaikan VRPTW. HBMO sendiri terinspirasi oleh perilaku koloni lebah ketika bereproduksi. Algoritma tersebut bertujuan untuk mengevaluasi pencarian individu atau solusi terbaik. Tujuan dari penelitian ini adalah bagaimana mengimplementasikan Honey Bee Mating Optimization dalam menyelesaikan VRPTW pada perencanaan jalur wisata di Malang. Sehingga dapat meminimumkan waktu dan jarak tempuh perjalanan. Berdasarkan hasil pengujian, parameter yang optimal untuk optimasi VRPTW menggunakan HBMO pada kasus perencannan jalur wisata Malang yaitu dengan menggunakan 800 generasi, populasi lebah jantan sebesar 300, batas kapasitas spermatheca sejumlah 100, nilai mutation ratio (Pm) dan royal jelly masing-masing bernilai 0.5.
Rancang Bangun Prototype Sistem Informasi Manajemen Program Studi Informatika Menggunakan Pendekatan User Centered Design Yola Agustia Rahman; Evi Dwi Wahyuni; Dharma Surya Pradana
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30513

Abstract

Sistem informasi Teknik Informatika UMM memuat kegiatan berhubungan dengan akademik. Berdasarkan hasil observasi menggunakan kuesioner yang disebarkan ke 30 responden kepada mahasiswa aktif Teknik Informatika UMM, dari pernyataan ke empat bahwa 23 orang menyatakan meragukan data yang terdapat dalam sistem bukan informasi terkini dan jarang diperbarui. Kemudian interaksi yang dilakukan seperti penyampaian informasi mengenai jadwal kuliah, jadwal sidang, event dan informasi lainnya disampaikan melalui grup Facebook. Dengan adanya permasalahan tersebut maka peneliti menggunakan .metode User Centered Design (UCD) dalam perancangan prototype akademik dengan. memanfaatkan pendapat pengguna, serta pola. dan tingkah laku pengguna dapat .menghasilkan user interface dan fungsionalitas. yang maksimal serta memiliki nilai usabili.ty. Selain itu digunakan metode Heuristic Evaluation untuk melakukan evaluasi desain dan menilai sistem. Untuk menemukan kekurangan lebih awal sebelum di implementasikan, mengurangi kesalahan kegunaan berikutnya yang memungkinkan adanya pengeluaran biaya lebih untuk perbaikan.
Prediksi Diagnosa Berdasarkan Data Rekam Medis Pasien Menggunakan Support Vector Regression Muhammad Nasrul Tsalatsa Putra; Agus Eko Minarno; Setio Basuki
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30514

Abstract

Rekam medis merupakan suatu berkas dari hasil pemeriksaan kesehatan, pengobatan yang diberikan, tindakan, dan pelayanan lain yang telah diberikan kepada pasien. Penelitian ini dilandasi oleh beberapa permasalahan, diantaranya (1) kurangnya pengawasan, informasi, dan tidak meratanya pemberian layanan kesehatan, (2) terhambatnya perencanaan puskesmas dalam menangulangi kasus yang sudah ada atau yang sering terjadi karena tingginya jumlah dan keberagaman kasus/diagnosa yang ditemukan di masyarakat. Dari permasalahan tersebut dapat diterapkan sistem prediksi diagnosa dengan menerapkan metode Support Vector Regression (SVR). Model SVR yang diterapkan yaitu kernel Linear, kernel Polynomial, serta kernel Radial Basis Function. Pengujian dilakukan dengan membagi dataset ke dalam data uji dan data latih, kumudian dilakukan proses pengujian hingga 9-fold untuk masing-masing model dengan susunan data yang berbeda. Hasil pengujian menunjukkan fungsi kernel RBF memiliki kinerja terbaik dibanding dengan fungsi lainnya dimana nilai NRMSE tertinggi 0.0797 dan nilai akurasi terendah sebesar 0.4826. Hasil prediksi tersebut dapat memberikan sebuah gambaran dan trend mengenai diagnosa yang akan datang berdasarkan data rekam medis pasien.
Deteksi Topik Tentang Tokoh Publik Politik Menggunakan Latent Dirichlet Allocation (LDA) Faizun Nuril Hikmah; Setio Basuki; Yufis Azhar
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30515

Abstract

Twitter merupakan salah satu Social Networking yang memperbolehkan pengguna untuk mengirim dan membaca sebanyak 140 karakter. Berdasarkan survey sekitar 500 juta tweet tiap harinya yang dikirim melalui twitter. Data-data tersebut dapat berupa opini-opini publik mengenai politik, tokoh publik, makanan, dan lain sebagainya. Data tersebut akan diolah dengan teknik Topic Detection untuk menghasilkan suatu topik yang sedang marak dibicarakan masyarakat tentang tokoh publik politik. Permasalahan dalam penulisan ini yaitu, bagaimana mengekstraksi suatu tweet tentang tokoh publik politik dari pengguna Twitter. Data tweet yang diambil tentang tokoh publik politik diantaranya yaitu mengenai Joko Widodo, Basuki Tjahaja Purnama (Ahok), Anies Baswedan, Sandiaga Uno, dan Habib Rizieq Shihab. Dengan adanya data atau tweet tentang tokoh publik politik dapat diolah menggunakan metode Agglomerative untuk mengcluster tiap data yang akan digunakan sebagai topik acuan, LDA (Latent Dirichlet Allocation) yang akan berfungsi sebagai pemodelan topik dari tweet-tweet yang telah tercluster, serta TF-IDF untuk mengetahui tweet mana saja yang mengandung kata-kata dalam LDA yang akan dijadikan sebagai topik acuan. Sehingga akan menghasilkan deteksi topik yang relevan berdasarkan tweet mengenai tokoh publik politik.
Klasifikasi Kalimat Tanya Berdasarkan Taksonomi Bloom Menggunakan Support Vector Machine Zakiyah Rakhmawati; Setio Basuki; Galih Wasis Wicaksono
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30516

Abstract

Klasifikasi adalah suatu teknik dalam melakukan kategori pada dokumen yang memiliki jumlah isi dokumen sangat banyak. Pada penelitian ini mengusulkan sebuah metode yang dapat menghasilkan klasifikasi kalimat tanya sesuai dengan level untuk ranah kognitif pada Taksonomi Bloom. Proses identifikasi soal dilakukan berdasarkan ekstraksi fitur sintaktik dan Bag-of-Words (BoW). Hasil dari ekstraksi fitur tersebut kemudian akan diklasifikasikan menggunakan algoritma klasifikasi SVM. Tugas akhir ini bertujuan untuk melakukan hasil klasifikasi kalimat tanya berdasarkan taksonomi bloom untuk ranah kognitif yang terbagi dalam 6 level yaitu, mengingat, memahami, menerapkan, menganalisis, mengevaluasi, dan membuat. Algoritma yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Algoritma tersebut dipilih karena mampu mengklasifikasikan data berdimensi tinggi yang dalam konteks tugas akhir ini adalah data berupa teks. Berdasarkan skenario pengujian yang sudah dilakukan, hasil rata-rata akurasi yang diperoleh pada proses pengklasifikasian kalimat menggunakan fitur sintaktik pada data uji sebesar 89.2%, sedangkan untuk fitur Bag-of-Words (BoW) tingkat akurasi yang diperoleh sebesar 100%. Berdasarkan hasil pengujian terhadap sistem klasifikasi yang telah dilakukan, rata-rata nilai akurasi didapatkan sangat baik, sehingga sistem dapat dikatakan atau layak untuk dikembangkan selanjutnya dengan berbagai variasi fitur atau algoritma pendukung lainnya.
Implementasi Algoritma C5.0 Dan K-Medoids Untuk Klasterisasi Ibu Hamil Beresiko Tinggi Muhammad Riadi; Yufis Azhar; Galih Wasis Wicaksono
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30517

Abstract

Mengingat permasalahan angka kematian ibu dan balita, dan tingginya angka kehamilan beresiko tidak hanya masalah dunia kesehatan saja. Peranan Teknologi informasi yang berkembang sangat pesat dapat dijadikan soluli terhadap permasalahan kehamilan beresiko. Terlebih lagi, computer sering kali berubah fungsi untuk mengatikan pekerjaan manusia yang bersifat rutinitas maupun pengambilan keputusan. Maka untuk mengatasi kasus ini akan diterapkan dua algoritma yaitu: (a) Algoritma Decision Tree C5.0, (b) K-Medoids Clustering. Metode Commercial Version 5.0 (C5.0) untuk mengolah variabel-variabel analisa yang digunakan. Penggunaan C5.0 pada kasus ini untuk melakukan seleksi atribut sehinga menghasilakan fitur yang sangat berpengauh. Setelah melalukan seleksi fitur data yang baru akan dikelompokkan menggunakan K-Medoids untuk di analisa agar dapat dijadikan acuan untuk penanganan pada kasus ini. Penerapan kedua metode ini juga agar keputusan yang nanti diambil lebih tepat sasaran untuk mengurangi atau mengatasi masalah kehamilan ibu yang beresiko tinggi.
Prediction Of Use Of Electric Kwh Using Support Vector Regression (SVR) Method (Case Study: Pt Pln (Persero) Rayon Seririt) Rima Mediana Mashita; Setio Basuki; Nur Hayatin
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30518

Abstract

Peranan listrik sangat penting bagi kehidupan masyarakat, begitu pentingnya peranan listrik tentu saja berdampak pada kebutuhan listrik yang begitu besar, maka PT. PLN (Persero) Rayon Seririt sebagai penyedia tenaga listrik harus bisa memprediksi besarnya peggunaan listrik rumah tangga setiap harinya. Selain itu menyebabkan semakin besar pula pemakian kwh listik, apabila pemakaian kwh listrik tidak diolah dengan baik akan menimbulkan beban energi listrik yang tidak terbendung. Dengan permasalahan yang telah diuraikan, penelitian ini menerapkan algoritma Support Vector Regression dalam Prediksi Pemakain KWH Listrik untuk mengetahui besarnya pemakaian kwh listrik yang akan datang. Berdasarkan hasil pengujian yang dilakukan hasil nilai akurasi terbaik Mean Absolute Error (MAE) sebesar 133560,1, Root Mean Squared Error (RMSE) sebesar 167664,1, dan Koefisien Korelasi sebesar 84,0 pada kernel polynomial. Sehingga algoritma Support Vector Regression dan fungsi kernel Radial Basis Function (RBF) cocok digunakan dalam memprediksi pemakaian kwh listrik.
Implementasi Pemantauan Suhu Kelembaban serta Pengendali Penyiraman Tanaman secara Otomatis pada Greenhouse Berbasis Web Lalu Rahmat Hidayat; Zamah Sari; Fatimah Nursandi
Jurnal Repositor Vol. 2 No. 4 (2020): April 2020
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22219/repositor.v2i4.30519

Abstract

Aglaonema merupakan tanaman hias daun yang memiliki nilai keindahan pada variasi daun, baik motif warna maupun bentuk daun. Aglaonema tumbuh pada suhu 24-270C dan kelembaban 65-75%, serta tidak terkena sinar matahari langsung. Untuk mendapatkan kondisi ideal maka aglaonema ditempatkan didalam sebuah greenhouse. Sehingga dirancanglah sebuah sistem yang dapat memantau suhu, kelembaban serta pengendalian penyiraman tanaman secara otomatis pada greenhouse. Adapun alat yang digunakan untuk merancang sistem ini adalah sensor DHT22, mikrokontroller Arduino uno, relay, selenoid valve, ethernet shield dan pompa air. Sensor ditempatkan pada 3 loakasi di dalam greenhouse yakni zona atap, zona dinding dan zona tanaman. Pemantauan dilakukan melalui web server dalam bentuk tabel dan grafik. Hasil pengujian didapatkan bahwa sistem ini dapat bekerja dengan baik. Dht22 dapat membaca suhu dan kelembaban dengan margin error dari pengukuran ini yakni suhu 0,410C dan kelembaban 2,56%. Pompa air bekerja dengan batasan yang telah ditentukan, ketika melebihi batas maka relay menyala dan pompa air bekerja. Hal ini sudah sesuai dengan yang diharapkan. Pengiriman data hasil sensor ke server dapat membaca dengan benar, hasil pengujian nilai sensor pada serial monitor dan di web server memiliki nilai yang sama, meskipun teradi delay. Web server dapat menampilkan data suhu dalam bentuk grafik dan tabel. Suhu dan kelembaban ideal berhasil berhasil dilakukan. Rata-rata suhu dan kelembaban ruangan sebelum menggunakan sistem yakni 30.20C dan 56,86%. Sedangkan rata-rata suhu dan kelembaban ruangan setelah menggunakan sistem yakni 27.850C dan 73,99%. Hal ini menunjukkan bahwa terjadi penurunan rata-rata suhu sebesar 2.350C dan kenaikan kelembaban sebesar 17.13%.

Page 7 of 48 | Total Record : 479

 5   6   7   8   9 

Filter by Year

2019 2026


Reset
Filter By Issues
All Issue Vol. 8 No. 3 (2026): Agustus 2026 Vol. 8 No. 2 (2026): Mei 2026 Vol. 8 No. 1 (2026): Februari 2026 Vol. 7 No. 4 (2025): November 2025 Vol. 7 No. 3 (2025): Agustus 2025 Vol. 7 No. 2 (2025): Mei 2025 Vol. 7 No. 1 (2025): Februari 2025 Vol. 6 No. 4 (2024): November 2024 Vol. 6 No. 3 (2024): Agustus 2024 Vol. 6 No. 2 (2024): Mei 2024 Vol. 6 No. 1 (2024): Februari 2024 Vol. 5 No. 4 (2023): November 2023 Vol. 5 No. 3 (2023): August 2023 Vol. 5 No. 2 (2023): May 2023 Vol. 5 No. 1 (2023): February 2023 Vol. 4 No. 4 (2022): November 2022 Vol. 4 No. 3 (2022): Agustus 2022 Vol. 4 No. 2 (2022): Mei 2022 Vol. 4 No. 1 (2022): Februari 2022 Vol. 3 No. 5 (2021): November 2021 Vol. 3 No. 4 (2021): Agustus 2021 Vol. 3 No. 3 (2021): Mei 2021 Vol. 3 No. 2 (2021): Februari 2021 Vol. 3 No. 1 (2021): Januari 2021 Vol. 2 No. 12 (2020): Desember 2020 Vol. 2 No. 11 (2020): November 2020 Vol. 2 No. 10 (2020): Oktober 2020 Vol. 2 No. 9 (2020): September 2020 Vol. 2 No. 8 (2020): Agustus 2020 Vol. 2 No. 7 (2020): Juli 2020 Vol. 2 No. 6 (2020): Juni 2020 Vol. 2 No. 5 (2020): Mei 2020 Vol. 2 No. 4 (2020): April 2020 Vol. 2 No. 3 (2020): Maret 2020 Vol. 2 No. 2 (2020): Februari 2020 Vol. 2 No. 1 (2020): Januari 2020 Vol. 1 No. 2 (2019): Desember 2019 Vol. 1 No. 1 (2019): November 2019 More Issue