cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Buana Informatika
Published by Universitas Atma Jaya Yogyakarta
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 594 Documents
 43   44   45   46   47 
Dekripsi Algoritma Rivest-Shamir-Adleman Dengan Komputasi Paralel Menggunakan Message Parsing Interface Evangs Mailoa
Jurnal Buana Informatika Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i1.1076

Abstract

Abstract. Rivest-Shamir-Adleman algorithm is a cryptographic algorithm that is difficult to be dismantled. This is due to the difficulty of factoring large numbers modulus n into prime factors (p and q). The process of modulus factoring requires a very long time if solved by serial computation. Brute Force Attack method is used to find large prime numbers p and q with parallel computation. Applications for the factorization of prime numbers p and q are developed using Visual C ++ and Message Passing Interface, while the decryption process developed with Java. The results show a parallel computing process faster than a serial for factoring very large numbers n, and very slow if the n is too small.Keywords: Rivest-Shamir-Adleman Algorithm, Brute Force Attack, Message Passing Interface. Abstrak. Algoritma Rivest-Shamir-Adleman merupakan salah satu algoritma kriptografi yang sukar untuk dibongkar. Hal ini dikarenakan sulitnya memfaktorkan bilangan modulus n yang besar menjadi faktor-faktor prima (nilai p dan q). Proses untuk faktorisasi modulus n membutuhkan waktu yang sangat lama apabila diselesaikan dengan komputasi serial. Penelitian ini menggunakan metode Brute Force Attack untuk menemukan bilangan prima p dan q yang sangat besar yang dikerjakan secara paralel. Aplikasi untuk faktorisasi bilangan prima p dan q dikembangkan menggunakan Visual C++ memanfaatkan Message Passing Interface, sedangkan aplikasi proses dekripsi dengan Java. Hasil ujicoba menunjukkan proses komputasi paralel lebih cepat dibandingkan secara serial untuk memfaktorkan bilangan n yang sangat besar, dan menjadi sangat lambat apabila bilangan n terlalu kecil. Kata kunci: Algoritma Rivest-Shamir-Adleman, Brute Force Attack, Message Passing Interface.
Content Based Image Retrieval Berdasarkan Fitur Low Level: Literature Review Rahmad Hidayat; Agus Harjoko; Anny Kartika Sari
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1077

Abstract

Abstract. Content-based Image Retrieval (CBIR) is an image search process by comparing the image features sought by the images contained in the database. Low-level features in the image are commonly used in CBIR is the color, texture, and shape. This article conducts a review of journals related to CBIR, particularly research based on low-level features. The journals are then classified based on the color space, features and feature extraction methods. The results show that the color space often used is the RGB and HSV due to their compatibility with the hardware and human perception of color. The features most often used in CBIR is the color feature. This is due to the fact that color features can easily and quickly be extracted. The most often used method to extract the color feature is the color histogram, the most common method used to extract texture features is the gray level co-occurence matrix, and the method most widely used to extract the shape feature is canny edge.Keywords: CBIR, color, texture, shape. Abstrak. Content based Image Retrieval (CBIR) merupakan proses pencarian gambar dengan membandingkan fitur-fitur yang terdapat pada gambar yang dicari dengan gambar yang terdapat dalam basis data. Fitur-fitur low level pada gambar yang biasa digunakan dalam CBIR adalah warna, tekstur, dan bentuk Artikel ini melakukan tinjauan terhadap penelitian-penelitian yang berkaitan dengan CBIR, khususnya penelitian yang berbasis pada fitur low level. Penelitian-penelitian tersebut kemudian diklasifikasikan berdasarkan ruang warna, fitur dan metode ekstraksi fitur. Hasil tinjauan menunjukkan bahwa ruang warna yang sering digunakan adalah RGB dan HSV karena dianggap cocok dengan hardware dan persepsi manusia terhadap warna. Adapun fitur yang paling sering digunakan dalam CBIR adalah fitur warna. Hal ini disebabkan fitur warna mudah dan cepat diekstraksi. Metode yang paling sering digunakan untuk mengekstraksi fitur warna adalah histogram warna, metode yang paling sering digunakan untuk mengekstraksi fitur tekstur adalah gray level co-occurence matrix, dan metode yang paling banyak digunakan untuk, mengekstraksi fitur bentuk adalah canny edge.Kata kunci: CBIR, warna, tekstur, bentuk.
Adopsi Theory of Planned Behavior Untuk Pengembangan Model Pengaruh Budaya Terhadap Penggunaan E-Commerce Danar Retno Sari; Teduh Dirgahayu
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1078

Abstract

Abstract. E-commerce transactions in Indonesia reached up to IDR 68 trillion in 2016. The use of e-commerce is influenced by culture which consists of five dimensions such as power distance, individualism, masculinity, uncertainty avoidance, and long-term orientation. This paper proposes a model to investigate influence of culture on the intentions and individual behavior using e-commerce. This model is developed by adopting the Theory of Planned Behavior (TPB). Culture dimensions are used as indicators of support in the model. The theory can be used to examine and predict factors that influence intentions and individual behavior using e-commerce. These factors can be used to create a new marketing strategy for business people. In an academic area, this model can be used as an alternative model to predict intentions and individual behavior using information technology, especially e-commerce.Keywords: Culture dimensions, Theory of Planned Behavior, e-commerce. Abstrak. Di Indonesia, transaksi e-commerce pada tahun 2016 mencapai 68 triliun rupiah. Penggunaan e-commerce ini tentu sangat dipengaruhi oleh budaya masyarakat. Budaya terdiri dari lima dimensi, yaitu power distance, individualism, masculinity, uncertainty avoidance, dan long-term orientation. Makalah ini bertujuan mengajukan model untuk mengetahui pengaruh budaya terhadap niat dan perilaku individu menggunakan e-commerce. Model yang dikembangkan mengadopsi dari Theory of Planned Behavior (TPB), karena TPB dapat digunakan untuk menguji dan melakukan prediksi terhadap perilaku individu dalam pengunaan e-commerce. Dimensi budaya digunakan sebagai indikator pada model TPB untuk mendukung pengujian dan prediksi niat dan perilaku individu dalam menggunakan e-commerce. Bagi para pelaku bisnis yang menggunakan e-commerce sebagai media penjualan, faktor-faktor yang berpengaruh pada model TPB ini dapat dijadikan target dalam membuat strategi pemasaran untuk meningkatkan penjualan sedagnkan dalam bidang akademik, makalah ini menyediakan model alternatif yang dapat digunakan untuk memprediksi dan menguji perilaku individu dalam penggunaan teknologi informasi khususnya e-commerce. Kata Kunci: Dimensi budaya, Theory Planned Behavior, e-commerce.
Perbandingan Performa Relational, Document-Oriented dan Graph Database Pada Struktur Data Directed Acyclic Graph Pradana Setialana; Teguh Bharata Adji; Igi Ardiyanto
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1079

Abstract

Abstract.Directed Acyclic Graph (DAG) is a directed graph which is not cyclic and is usually employed in social network and data genealogy. Based on the characteristic of DAG data, a suitable database type should be evaluated and then chosen as a platform. A performance comparison among relational database (PostgreSQL), document-oriented database (MongoDB), and graph database (Neo4j) on a DAG dataset are then conducted to get the appropriate database type. The performance test is done on Node.js running on Windows 10 and uses the dataset that has 3910 nodes in single write synchronous (SWS) and single read (SR). The access performance of PostgreSQL is 0.64ms on SWS and 0.32ms on SR, MongoDB is 0.64ms on SWS and 4.59ms on SR, and Neo4j is 9.92ms on SWS and 8.92ms on SR. Hence, relational database (PostgreSQL) has better performance in the operation of SWS and SR than document-oriented database (MongoDB) and graph database (Neo4j).Keywords: database performance, directed acyclic graph, relational database, document-oriented database, graph database Abstrak.Directed Acyclic Graph (DAG) adalah graf berarah tanpa putaran yang dapat ditemui pada data jejaring sosial dan silsilah keluarga. Setiap jenis database memiliki performa yang berbeda sesuai dengan struktur data yang ditangani. Oleh karena itu perlu diketahui database yang tepat khususnya untuk data DAG. Tujuan penelitian ini adalah membandingkan performa dari relational database (PostgreSQL), document-oriented database (MongoDB) dan graph database (Neo4j) pada data DAG. Metode yang dilakukan adalah mengimplentasi dataset yang memiliki 3910 node dalam operasi single write synchronous (SWS) dan single read (SR) pada setiap database menggunakan Node.js dalam Windows 10. Hasil pengujian performa PostgreSQL dalam operasi SWS sebesar 0.64ms dan SR sebesar 0.32ms, performa MongoDB pada SWS sebesar 0.64ms dan SR sebesar 4.59ms sedangkan performa Neo4j pada operasi SWS sebesar 9.92ms dan SR sebesar 8.92ms. Hasil penelitian menunjukan bahwa relational database (PostgreSQL) memiliki performa terbaik dalam operasi SWS dan SR dibandingkan document-oriented database (MongoDB) dan graph database (Neo4j).Kata Kunci: performa database, directed acyclic graph, relational database, document-oriented database, graph database
Autonomous Cognitive Leveling Game Pada Serious Game Menggunakan Particle Swarm Optimization Eko Subiyantoro; Azhari Azhari
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1080

Abstract

Abstract. Serious games containing the pedagogical aspects and as part of the device/media e-learning support the learning process. Besides, the learning method uses the game are better than the conventional learning, because learning materials that involve animation in the game will enable long-term memory of students. Particle swarm optimization (PSO) method offers a search procedure based on a population consisting of individuals called particles that change their position with respect to time. PSO, by way of initializing the position and velocity of a particle, calculates the fitness function of the solution and updates the position and velocity of a particle to a stop condition are found. The design of PSO on the problem of autonomous cognitive levels of the game on a serious game with a permutation is proposed by using the fitness function the distance between xi+1 (cognitive level game) with xi (cognitive pre-test). The expected outcome of this research is the sequence of levels completed in accordance with the needs of the learner.Keywords: Serious game, cognitive, pso Abstrak. Serious game sangat mendukung proses pembelajaran melalui permainan yang mengandung aspek pedagogis dan merupakan bagian dari alat/media e-learning. Selain itu metode pembelajaran menggunakan permainan lebih baik dibandingkan dengan pembelajaran konvensional, karena animasi materi pembelajaran dalam permainan akan mengaktifkan ingatan jangka panjang siswa.Metode particle swarm optimization (PSO) menawarkan suatu prose­dur pen­­ca­rian berdasar pada populasi yang terdiri atas individu-individu yang di­se­but par­­tikel, mengubah posisi mereka terhadap waktu. PSO dengan cara melakukan inisialisasi posisi dan kecepatan particle, menghitung fungsi fitness dari solusi dan mengupdate posisi dan kecepatan particle sampai kondisi berhenti ditemukan.Perancanagan PSO pada permasalahan autonomus cognitive level game pada serious game diusulkan menggunakan permutasi dengan fungsi fitness jarak antara xi+1(cognitive level game) dengan xi (cognitive pre-test).Hasil yang diharapkan dari penelitian ini adalah adanya urutan level game yang sesuai dengan kebutuhan pembelajar.Kata Kunci: Serious game, cognitive, pso 
Analisis Motivasi Hedonis Seseorang Dalam Menggunakan Media Sosial: Studi Kasus Instagram Kharisma Adi Utama; Eko Nugroho; Noor Akhmad Setiawan
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1081

Abstract

Abstract.Hedonic motivation, which is often called as intrinsic motivation, plays a role in encouraging a person to use a system to meet their needs. Currently, the popular systems used in the fulfilment of one's needs are games and social media. It has been recorded that the users of Instagram, which has been ranked as the second most popular social media in America, has increased as many as 100 thousand people since the middle of 2016, with the total registered users of 600 million. This development raises a question of what drives a person to use social media. This study aims to identify factors that affect a person to use Instagram based on Hedonic Motivation System Adoption Model (HMSAM). The data were then analyzed using Partial Least Square (PLS). After the research was conducted on 245 respondents, the results prove that the motivating factors of a person to use Instagram are perceived ease of use, perceived enjoyment, and control.Keywords: hedonic motivation system adoption system (hmsam), structural equation model (sem), partial least square (pls), social media, instagram. Abstrak.Motivasi hedonis atau sering kali juga disebut dengan motivasi intrinsik berperan dalam mendorong seseorang untuk menggunakan suatu sistem demi memenuhi kebutuhannya. Saat ini sistem yang populer digunakan dalam pemenuhan kebutuhan seseorang tersebut adalah game dan social media. Instagram yang menduduki peringkat ke dua sebagai social media terpopuler di Amerika, tercatat mengalami pertumbuhan sebanyak 100 ribu orang sejak pertengahan 2016 dengan total pengguna yang tercatat sebanyak 600 juta orang. Melihat perkembangan tersebut memunculkan pertanyaan apa yang mendorong seseorang untuk menggunakan sosial media. Penelitian ini akan melihat faktor yang mempengaruhi seseorang menggunakan Instagram berdasarkan Hedonic Motivation System Adoption Model (HMSAM) yang kemudian dianalisis menggunakan metode Partial Least Square (PLS). Hasilnya setelah dilakukan penelitian pada 245 responden terbukti bahwa yang menjadi faktor pendorong seseorang menggunakan Instagram adalah percieve ease of use, percieved enjoyment, dan control.Kata Kunci: hedonic motivation system adoption system (hmsam), structural equation model (sem), partial least square (pls), social media, instagram.
Evaluasi Kesiapan Pengguna Dalam Adopsi Sistem Informasi Manajemen SEIP Menggunakan Metode Technology Readiness Index Riky Noprianto; Wing Wahyu Winarno; Warsun Najib
Jurnal Buana Informatika Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i2.1082

Abstract

Abstract. Information and Communication Technology (ICT) and education are inseparable in this digital era. The basic principle use of ICT is to simplify human life. However, in some places there are still several problems in adopting the ICT. The problems in adopting ICT are human resources, Technical and Finance. Unprepared users will reduce system efficiency that ICT cannot be implemented and utilized optimallyin the operation. The purposes of this research are to measure the level of readiness of prospective technology users in adopting the Management Information Systems (MIS) of Student Entrepreneurial Program and Intership (SEIP) using Technology Readiness Index (TRI) methods and to find a solution so that the adoption of SIM SEIP can be successfully implemented as good result. The results show that two dimensions of optimism and innovation can significantly affect against TR variables. While the other dimensions such as inconvenience and insecurity do not affect significantly against TR variables.Keywords: Information and Communication Technology, Technology Readiness Index, Management Information Systems Abstrak. Teknologi Informasi dan Komunikasi (TIK) dan dunia pendidikan tidak dapat dipisahkan pada era digital seperti saat ini. Prinsip dasar dari penggunaan TIK adalah mempermudah kehidupan manusia. Namun dibeberapa tempat masih sering ditemui beberapa kendala dalam pengadopsian TIK. Kendala yang dihadapi dalam adopsi TIK antara lain adalah sumber daya manusia, teknis dan keuangan. Ketidaksiapan pengguna sedikit banyak akan mengurangi efisiensi sistem sehingga belum bisa diimplementasikan dan dimanfaatkan secara optimal. Tujuan dari penelitian ini adalah mengukur tingkat kesiapan calon pengguna teknologi dalam adopsi Sistem Informasi Manajemen (SIM) Student Enterpreneur and Intership Program (SEIP) menggunakan metode Technology Readiness Index (TRI) dan menemukan solusi agar adopsi SIM SEIP dapat berhasil dan bisa diimplementasikan dengan baik. Hasil penelitian menunjukkan dua dimensi yaitu optimism dan innovativeness berpengaruh secara signifikan terhadap variabel TR. Sedangkan dua dimensi lain yaitu discomfort dan insecurity tidak berpengaruh secara signifikan terhadap variabel TR. Kata Kunci: Teknologi Informasi dan Komunikasi, Technology Readiness Index, Sistem Informasi Manajemen
SISTEM CERDAS PENDUGAAN SALINITAS AIR LAUT BERDASARKAN CITRA LANDSAT MENGGUNAKAN METODE Adaptive Neuro Fuzzy Inference System ( ANFIS ) Miftahul Walid; Aang Kisnu Darmawan
Jurnal Buana Informatika Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v9i1.1283

Abstract

Abstract. The purpose of this research is to predict the sea surfce salinity, so that it can be used as refractory material for salt production. Salinity is the soluble salt content in water and the suitable the salinity standard in salt industry will give an impact on the quality of the salt produced. The method of this research is Adaptive Neuro Fuzzy Inference System (ANFIS). The system in this research works by extracting landsat 8 image to produce some value variable which is used as dataset in ANFIS system such as red , green, blue, Longitude and Latitude value. Its dataset will be divided to training and testing data. Training data is used to train the ANFIS system while testing data is used to measure the prediction accuracy resulted by ANFIS. in order to know the level of accuracy by using Root Means Square Error ( RMSE ) method is used to measure the accuracy level. The system has been able to make predictions with error rate of 2,0267 in average.Keywords: Salinity, Landsat Image, Smart System, ANFIS.Abstrak. Penelitian ini bertujuan untuk memprediksi salinitas air laut yang bisa dijadikan sebagai bahan refrensi untuk produksi garam. Salinitas adalah kadar garam terlarut dalam air, dengan salinitas yang sesuai standart dalam industri garam akan berdampak pada kualitas garam yang dihasilkan. Metode yang digunakan dalam penelitian ini adalah Adaptive Neuro Fuzzy Inference System ( ANFIS ). Sistem kerja dalam penelitian ini dengan mengekstraksi citra landsat 8 sehingga menghasilkan beberapa variabel yang dijadikan sebagai dataset dalam sistem ANFIS diantaranya adalah variabel red, green, blue, Longitude dan Latitude. Dataset tersebut akan dibagi menjadi data Training dan data Testing. Data Training digunakan untuk melatih sistem ANFIS sedangkan data Testing digunakan untuk mengukur akurasi prediksi yang dihasilkan oleh ANFIS. Pengukuran tingkat akurasi menggunakan metode Root Means Square Error ( RMSE ). Sistem yang dibuat telah mampu melakukan prediksi dengan tingkat error rata – rata 2,0267.Kata Kunci: Salinitas, Citra Landsat, Sistem Cerdas, ANFIS.
Manajemen Risiko Proyek Perangkat Lunak Menggunakan Pendekatan Just In Time Pada Perusahaan Teknologi Informasi Johan Suryo Prayogo; Djoko Budiyanto Setyohadi
Jurnal Buana Informatika Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i3.1314

Abstract

Abstract. Software project will always have risks such as technical failure, increasing cost of the project, and overrun schedules. The risks that are not well managed will then transfom as a constraint on a software project and will affect the success rate of the software project. PT.Cerise Yogyakarta has not applied software project risk management that it still experienced constraints of technical failure and schedule overruns. The implementation on Kotabagus project in PT.Cerise Yogyakarta used Just In Time approach to determine the value of technical, cost, and schedule. Risk asessement analysis employs The Software Engineering Risk Model (SERIM) to measure the success, and make recommendations for risk reduction. Risk factors affect 50% constraints on the risk elements of technical, 48% constraints on risk elements of cost, and 48% constraints on risk elements of schedule. The software project success value is 0.51, then the risk is still going by 49%.Keywords: software project, risk management, just in time, SERIM        Abstrak.Proyek perangkat lunak selalu mempunyai risiko, seperti risiko yang menyebabkan kendala kegagalan teknis, biaya yang bertambah banyak, dan waktu pengerjaan yang semakin lama. Risiko yang tidak dikelola maka akan menjadi kendala pada proyek perangkat lunak dan mempengaruhi keberhasilan dari proyek. PT.Cerise Yogyakarta saat ini belum menerapkan manajemen risiko sehingga kendala ketidaksesuaian teknis dan bertambahnya waktu pengerjaan pada proyek sebelumnya masih terjadi. Penerapan manajemen risiko pada proyek Kotabagus yang dikerjakan PT.Cerise menggunakan pendekatan Just In Time untuk mengetahui nilai elemen risiko technical, cost, dan schedule. Analisis penilaian risiko menggunakan The Software Engineering Risk Model (SERIM) untuk mengukur nilai keberhasilan proyek Kotabagus, dan menyusun rekomendasi untuk pengurangan risiko. Faktor-faktor risiko mempengaruhi 50% kendala pada elemen technical, 48% kendala pada elemen cost, dan 48% kendala pada elemen schedule. Nilai risiko keberhasilan proyek Kotabagus di PT.Cerise adalah 0,51, berarti risiko masih terjadi sebesar 49% pada proyek.Kata Kunci: proyek perangkat lunak, manajemen risko, just in time, SERIM
Average Weight Information Gain Untuk Menangani Data Berdimensi Tinggi Menggunakan Algoritma C4.5 Joko Suntoro; Cahya Nurani Indah
Jurnal Buana Informatika Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v8i3.1315

Abstract

Abstract. In the recent decades, a large data are stored by companies and organizations. In terms of use, big data will be useless if not processed into information according to the usability. The method used to process data into information is called data mining. The problem in data mining especially classification is data with a number of attributes that many and each attribute are irrelevant. This study proposes attribute weighting method using weight information gain method, then the attribute weights calculates the average value. Having calculated the average value of the attribute selection, the selected attributes are those with a value weights above average value. Attributes are selected then performed using an algorithm C4.5 classification, this method is named Average Weight Information Gain  C4.5 (AWEIG-C4.5). The results show that AWEIG-C4.5 method is better than C4.5 method with the accuracy of the average value of each is 0.906 and 0.898. Keywords: data mining, high dimensional data, weight information gain, C4.5 algorithmAbstrak. Dalam beberapa dekade terakhir, data yang besar disimpan oleh perusahaan dan organisasi. Dari segi penggunaan, data besar tersebut akan menjadi tidak berguna jika tidak diolah menjadi informasi yang sesuai dengan kegunaan. Metode yang digunakan untuk mengolah data menjadi informasi adalah data mining. Masalah dalam data mining khususnya klasifikasi adalah data dengan jumlah atribut yang banyak atau dalam bahasa komputer disebut data berdimensi tinggi. Pada penelitian ini diusulkan metode pembobotan atribut menggunakan metode weight information gain, kemudian bobot atribut tersebut dihitung nilai rata-rata. Setelah dihitung nilai rata-rata dilakukan pemilihan atribut, atribut yang dipilih adalah atribut dengan nilai bobot di atas nilai rata-rata. Atribut yang terpilih kemudian dilakukan klasifikasi menggunakan algoritma C4.5, metode ini diberi nama Average Weight Information Gain C4.5 (AWEIG-C4.5). Hasil penelitian menunjukkan metode AWEIG-C4.5 lebih baik daripada metode C4.5 dengan nilai rata-rata akurasi masing-masing adalah 0,906 dan 0,898. Dari uji paired t-Test terdapat perbedaan signifikan antara metode AWEIG C4.5 dengan metode C4.5.Kata Kunci: data mining, data berdimensi tinggi, weight information gain, algoritma C4.5

Page 45 of 60 | Total Record : 594

 43   44   45   46   47 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 Vol. 15 No. 01 (2024): Jurnal Buana Informatika, Volume 15, Nomor 01, April 2024 Vol. 15 No. 2 (2024): Jurnal Buana Informatika, Volume 15, Nomor 02, Oktober 2024 Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023 Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 Vol. 13 No. 1 (2022): Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022 Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 11 No. 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol. 11 No. 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol. 8 No. 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol. 7 No. 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 5 No. 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 5 No. 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 4 No. 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol. 2 No. 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol. 1 No. 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue