cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Deny Zainal Arifin
Contact Email
matics@uin-malang.ac.id
Phone
+6285646744340
Journal Mail Official
matics@uin-malang.ac.id
Editorial Address
Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang Jalan Gajayana 50 Malang, Jawa Timur, Indonesia 65144
Location
Kota malang,
Jawa timur
INDONESIA
MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology)
Published by Universitas Islam Negeri Maulana Malik Ibrahim Malang
ISSN : 1978161X     EISSN : 24772550     DOI : https://doi.org/10.18860/mat
Core Subject : Science,
Computer Science & IT
MATICS is a scientific publication for widespread research and criticism topics in Computer Science and Information Technology. The journal is published twice a year, in March and September by Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Maulana Malik Ibrahim Malang, Indonesia. The journal publishes two regular issues per year in the following areas : Algorithms and Complexity; Architecture and Organization; Computational Science; Discrete Structures; Graphics and Visualization; Human-Computer Interaction; Information Assurance and Security; Information Management; Intelligent Systems; Networking and Communication; Operating Systems; Platform-Based Development; Parallel and Distributed Computing; Programming Languages; Software Development Fundamentals; Software Engineering; Systems Fundamentals; Social Issues and Professional Practice.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 237 Documents
 13   14   15   16   17 
Cover MATICS Arifin, Deny Zainal
MATICS Vol 11, No 2 (2019): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (39.864 KB) | DOI: 10.18860/mat.v11i2.8603

Abstract

Simulasi 3D Pertumbuhan Kedelai Pada Pemberian Variasi Dosis Formula Pupuk Organik Cair Dan Urea Menggunakan Anfis Berbasis XL System Frayudha, Angga Debby; Suhartono, Suhartono; Suyono, Suyono
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18860/mat.v12i1.8150

Abstract

Kedelai  Glycine max (L.) Merrill var. Willis merupakan salah satu tanaman pangan dan sudah menjadi kebutuhan pokok di indonesia. Dengan berkembangnya teknologi sekarang ini tanaman kedelai mulai disimulasikan dalam bentuk 3D menggunakan aplikasi Groimp yang berbasis XL System, untuk membuktikan simulasi pertumbuhan dilakukan penelitian, menggunakan pupuk organik dan pupuk urea pada perlakuan yang berbeda. Penelitian ini bertujuan untuk mengetahui pengaruh pemupukan dengan pupuk organik cair terhadap produktivitas tanaman. Perlakuan dosis pemupukan yaitu : P1 (3 ml pupuk organik/1 liter air/Sore), P2 (3 ml pupuk organik/1 liter air/Pagi), P3 (2 gr pupuk urea/1 liter air/Sore), P4 (2 gr pupuk urea/1 liter air/Pagi). Parameter yang diamati yaitu tinggi tanaman, panjang batang, jumlah cabang, jumlah daun. Data yang diperoleh dimasukan dan dihitung menggunakan ANFIS setelah proses training didapat error terkecil dan dari situlah pemilihan tanaman akan disimulasikan dalam bentuk 3D. Hasil penelitian menunjukkan bahwa pemupukan dengan pupuk urea dapat meningkatkan produktivitas tanaman kedelai dibandingkan dengan menggunakan pupuk Organik Cair. Pada penelitian didapat  tumbuhan mengalami etiolasi, tanaman dipindah ke tempat yang lebih lapang pada hari ke 28 ternyata tidak memberi pengaruh signifikan terhadap tanaman yang semestinya umur kedelai sudah berbunga pada umur ke 35-40 hari ternyata belum berbunga, sehingga diharapkan tanaman musim memang harus ditanam pada musimnya agar hasilnya maksimal serta kondisi lingkungan harus diperhatikan.
Kombinasi Metode AHP dan VIKOR Untuk Pemilihan Santri Berprestasi Fauzi, Mohammad; Ridwan, Mujib; Khalid, Khalid
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (435.737 KB) | DOI: 10.18860/mat.v12i1.8270

Abstract

Penelitian ini mencoba melakukan seleksi pemilihan santri berprestasi, yang nantinya akan direkomendasikan juga untuk mengikuti Program Beasiswa Santri Berprestasi, biasa disingkat PBSB. Sebelumnya di Pondok Pesantren Manbaul Hikam belum ada rekomendasi nama santri untuk mengikuti PBSB. Untuk saat ini, santri mengikuti PBSB hanya sebatas siapa yang ingin mendaftar, kemudian pihak sekolah mengantarkannya untuk mengikuti tes yang diadakan oleh Kemenag. Untuk memudahkan pihak sekolah dalam memperoleh nama - nama santri berprestasi, maka dibangunlah sistem pendukung keputusan pemiliihan santri berprestasi. Melalui sistem, pengguna dapat menambahkan data santri, data nilai santri, dan nilai bobot kriteria. Sistem akan memberikan rekomendasi nama - nama santri berprestasi menggunakan metode AHP dan VIKOR. Kedua metode tersebut dikombinasikan, AHP untuk menghitung bobot kriteria dan VIKOR untuk melakukan perangkingan alternatif. Penggunaan dua metode tersebut bertujuan untuk saling melengkapi kekurangan dari masing - masing metode. Pengujian sistem menggunakan black box, uji sensitivitas nilai vikor, akurasi, recall, dan presisi. Pengujian dilakukan menggunakan data santri tahun lulusan 2015 - 2016 untuk jurusan IPA dan IPS. Berdasarkan pengujian sensitivitas nilai VIKOR, disimpulkan alternatif santri dengan NIS 150106 dan 150129 memiliki sensitivitas perubahan ketika nilai variabel v diubah dengan menggunakan 0.4 dan 0.6. Hasil nilai rata - rata dari uji akurasi sebesar 90,5%, nilai recall 87,5%, dan nilai presisi 35%.
Implementasi Algoritma RVO sebagai Sistem Kendali Gerombolan NPC pada Permainan Action RPG Fadila, Juniardi Nur; Arif, Yunifa Miftachul
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (489.39 KB) | DOI: 10.18860/mat.v12i1.8959

Abstract

Abstract— The development of the gaming industry has entered a new phase, the game that was previously used as a means of entertainment, is now widely used as a simulation of a condition in the industry and research. more natural. Especially for a crowd management, much modeling is needed so that the crowd agent can move flexibly without reducing the essence of the crowd's natural movement. In this case, the crowd management case will try to be solved using the RVO algorithm, which with the algorithm, the researcher wants to provide a group of NPCs that can move without colliding with collition obect or other NPCs.
Pendekatan Box - Whisker Plot dan Regresi Liniear untuk Prediksi User Upgrade pada Start Up ayocpns Basid, Puspa Miladin Nuraida Safitri A; Rohman Hariri, Fajar
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (445.603 KB) | DOI: 10.18860/mat.v12i1.8932

Abstract

Munculnya banyak start up di indonesia mulai menjadi bagian penting dari perekonomian sebuah negara. Dalam pelaksanaanya perusahaan rintisan seperti ini masih berkembang dan membutuhkan banyak pendanaan untuk operasionalnya. Sehingga para perusahaan rintisan ini perlu memikirkan langkah untuk berkembang lagi. Selain melalui investor, merka juga melakukan langkah promosi untuk menarik user. Untuk melakukan promosi itu sendiri, perusahaan rintisan ini perlu memperhatikan bagaimana dampak dari promosi yang telah dilakukan. Sudah cukup atau belum, hal tersebut dapat di lihat dari jumlah user perharinya. Selain itu memprediksi user yang akan upgrade accont premium juga perlu dilakukan. Penelitian ini telah menghasilkan persamaan untuk melakukan prediksi tersebut dengan menggunakan metode regresi linier dan Box-Whisker Plot.
Penerapan Metode Box Muller Of Gaussian Distribution Untuk Menentukan Tingkat Kesulitan Pada Game Pembelajaran Mitigasi Bencana Gunung Api Ihsan, Afif Nuril; Nugroho, Fresy; Arif, Yunifa Miftachul
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (844.874 KB) | DOI: 10.18860/mat.v12i1.8399

Abstract

Skenario tingkat kesulitan pada game merupakan komponen penting dalam pembuatan game. Supaya skenario tingkat kesulitan game lebih menantang dan tidak monoton maka skenario tingkat kesulitan harus ditentukan secara otomatis atau dinamis. Dalam penelitian ini, penentuan skenario tingkat kesulitan akan dibangun dengan metode Box Muller Of Gaussain Distribution supaya skenario tingkat kesulitan dapat berjalan secara otomatis atau dinamis, sehingga skenario bisa dipilih secara acak dan tidak bisa diprediksi oleh pemain. Pada penelitian ini skenario tingkat kesulitan digunakan pada game Pembelajaran Mitigasi Bencana Gunung Api untuk mengatur kesulitan soal IPA yang akan muncul pada tiap level. Pada tahap pengujian akan dilakukan dua pengujian antara game Pembelajaran Mitigasi Bencana Gunung Api dengan metode Box Muller Of Gaussian Distribution dan tanpa metode. Dari tahap pengujian ini didapat bahwa game yang menggunakan metode lebih bervariasi dalam penentuan skenario tingkat kesulitan.  Pada tahap pengujian ini didapat mean / rata-rata ideal untuk siswa kelas 4 SD yaitu µ = 5.5. Kemudian tahap validasi akan digunakan validasi behavior dengan cara mencari 5 siswa kelas 4 SD untuk memainkan permainan. Dari 5 siswa yang mencoba game Pembelajaran Mitigasi Bencana Gunung Api didapat hasil bahwa, siswa pertama memiliki rata-rata keberhasilan 71.11111%, siswa kedua mendapatkan 81.48148148%, siswa ketiga 79.16666667%, siswa keempat 73.61111111%, dan siswa kelima 87.5%. Dari penelitian ini didapat kesimpulan bahwa Box Muller of Gaussian Distribution berhasil mengatur skenario tingkat kesulitan secara dinamik atau otomatis.
Comparative Analysis of 5 Algorithm Based Particle Swarm Optimization (PSO) for Prediction of Graduate Time Graduation Noercholis, Achmad; Zainuddin, Mohammad
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (471.318 KB) | DOI: 10.18860/mat.v12i1.8216

Abstract

Graduation information is very important for Higher Education involved in education. The data received by students each year is an important part as a source of information for making decisions on the Higher Education side in admitting new students. The results show the PSO-based K-NN Algorithm at k-optimum = 19 has the best performance of the 5 existing algorithms, with an Accuracy value = 74.08% and an Under Curve Area (AUC) value = 0.788. Attributes of Gender, Semester Achievment Index 1, 2, 4, 6 and 7 as well as Employment Status make a real contribution to the right graduation of students. The addition of the Particle Swarm Optimization (PSO) feature always increases the accuracy value, while the highest increase in accuracy value in the Decision Tree (C4.5) Algorithm is 5.21%, the lowest in the Vector Support Engine Algorithm of 1.79%. The K-Nearest Neighbor (k-NN) algorithm corresponds to the third order, it remains the algorithm that has the best value, the highest accuracy value, this is due to the questionable value before discussing the PSO features. For the evaluation phase, the results of the accuracy are much better if using the overall data training (Angaktan 2007-2011), both with the 2011 Force test data or the 2010-2011 Force. Timely graduation of students begins in the class of 2011, with a value of 98.18% (100% resolution), meaning students start graduating on time
Sentiment Analysis of Perpustakaan Nasional Republik Indonesia Through Social Media Twitter Mahfud, Fakhris Khusnu Reza; Mudawamah, Nita Siti; Hariyanto, Wahyu
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (350.659 KB) | DOI: 10.18860/mat.v12i1.8973

Abstract

The library is a gate of science and a heart of civilization. Indonesia already has a Perpustakaan Nasional consisted of 27 floors and is equipped with facilities that are adequate for user needs. Apart from that, we need to see opinions from the community as users. Public opinion about the library is critical for library managers to evaluate services and facilities from the library. One way to find out the views of the community is by using social media twitter. Twitter social media is often used in channelling opinions or expressing opinions about specific topics; besides social media, twitter is commonly used for digital campaign movements. Submission of views and even digital campaigns on Twitter social media greatly influence the opinions and even behaviour of society in various ways. This study analyzes tweets about national libraries by classifying, positive opinions, negative opinions and neutral opinions. In this study, twitter data will go through the preprocessing, weighting, and classification stages. TF-IDF and TF binary are used in weighting in this study. The classification used in this study is Naive Bayes and KNN. Accuracy, precision, and recall values were also used in this study to evaluate classification performance. The highest classification performance using KNN classification with TF-IDF weighting resulted in the value of accuracy, precision, and recall of 83.33%, 79.2%, and 83.3% respectively.
Performance improvement in Resampling Based Clustering Aziz, Okta Qomaruddin
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (402.734 KB) | DOI: 10.18860/mat.v12i1.8918

Abstract

Clustering is one of powerful technique to find a biological mechanism in gene expression. This technique identify a gene that has same expression. Using bootstrap method we can improve the quality of microarray, thus resampling based clustering (RC) is consider one of the improvement. RC use K-means clustering to determine initial parameter and need thousands of iteration to converge. Performance improvement can be done at preprocess, such as normalization and changing the initial parameter. Normalization can remove or lower the bias in microarray. The result show that normalization can improve the accuracy of RC. In addition, for parameter K, a lower value will lower the accuracy of this RC.
Analisis Kebutuhan Sistem Informasi Geografis Lahan Pertanian Sayuran dan Buah-buahan di Kota Batu Supriyono, Supriyono; Maharani, Faldadinda Farin
MATICS Vol 12, No 1 (2020): MATICS
Publisher : Department of Informatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.053 KB) | DOI: 10.18860/mat.v12i1.8823

Abstract

Kota Batu sangat terkenal dengan kota pariwisata, namun pertanian masih berperan penting dalam meningkatkan perekonomiannya. Agar perekonomian yang bersumber dari bidang pertanian dapat optimal diperlukan sebuah pengembangan di bidang pertanian. Tujuan dibuat analisis kebutuhan sistem agar petani di Kota Batu dapat memanfaatkan teknologi sehingga pekerjaan lebih optimal.Tanah di Kota Batu dapat ditanami berbagai jenis tanaman pertanian. Gabungan Banyak jenis tanaman pertanian yang bisa kita temukan di Kota Batu yaitu tanaman Hortikultura. Tanaman Holtikultura merupakan tanaman yang paling dominan di Kota batu. Selain tanaman Hortikultura Kota Batu juga menghasilkan tanaman padi. Tidak banyak daerah di Kota Batu yang ditanami padi. Menurut Departemen pertanian dan Kehutanan Kota Batu, Tanah tanaman padi hanya ditanami padi sekali atau dua kali yang harusnya dilakukan 3 kali setahun. Hal itu terjadi karena petani belum mengetahui kecocokan lahan untuk menanam padi.  Hasil dari penelitian ini adalah output analisis kebutuhan berupa usecase diagram.

Page 15 of 24 | Total Record : 237

 13   14   15   16   17 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol 17, No 2 (2025): MATICS Vol 17, No 1 (2025): MATICS Vol 16, No 2 (2024): MATICS Vol 16, No 1 (2024): MATICS Vol 15, No 2 (2023): MATICS Vol 15, No 1 (2023): MATICS Vol 14, No 2 (2022): MATICS Vol 14, No 1 (2022): MATICS Vol 13, No 2 (2021): MATICS Vol 13, No 1 (2021): MATICS Vol 12, No 2 (2020): MATICS Vol 12, No 1 (2020): MATICS Vol 11, No 2 (2019): MATICS Vol 11, No 1 (2019): MATICS Vol 10, No 2 (2018): MATICS Vol 10, No 2 (2018): MATICS Vol 10, No 1 (2018): MATICS Vol 9, No 2 (2017): MATICS Vol 9, No 1 (2017): MATICS Vol 8, No 2 (2016): MATICS Vol 8, No 1 (2016): MATICS Vol 7, No 2 (2015): Matics Vol 7, No 1 (2015): Matics Vol 1, No 1 (2015): Matics Vol 6, No 2 (2014): MATICS Vol 1, No 1 (2014): Matics MATICS (Vol 5, No 3 MATICS (Vol. 4, No 5 MATICS (Vol. 4 No. 4 MATICS (Vol. 4 No. 3 MATICS (Vol. 4 No. 2 MATICS (Vol. 4 No. 1 More Issue