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
 46   47   48   49   50 
Taxonomi Informasi Produksi pada Industri Manufaktur dalam Industri 4.0 Tri Ika Jaya Kusumawati
Jurnal Buana Informatika Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v9i2.1714

Abstract

Abstract. Digitalization in the manufacturing industry to date continues to grow. Various technologies that support its success are built and continue to be researched to create openness. Data disclosure is a research topic that has not been resolved because it refers to the large data circulating on the internet. In industry 4.0 production machinery, production needs and some elements of production support communicate efficiently with data connected via the internet. To absorb and classify data, the filtering and sorting stages of the word are needed. Taxonomy is a technique in mapping the relationship of words and meanings of words which are the data themselves. In this study a taxonomy of production activity was designed in the manufacturing industry engaged in textile. The number of terms in the textile industry and the results of textile production, it is necessary to make a tax taxonomy in the order of interconnected meanings. This study refers to research to create an ontology-based database in the current supply chain management. The results of this study are mapping models in the form of taxonomies that are made using the method of methontology. Methontology is the development of ontologies that propose expressions of ideas as a set of intermediate representations (IR) and produce ontologies using translators. In this method there are five stages: Specifications, Conceptualization, Formalization, Implementation and Maintenance. Testing the success of taxonomies used OntoQA which is a matrix for calculating the strength of attachment between classes. This research continues to be refined by developing it in the subsequent research titles. Keywords: Industry 4.0; manufacturing industry; textile; taxonomy; methontology.Abstrak. Digitalisasi dalam industri manufaktur sampai dengan saat ini terus berkembang. Berbagai teknologi yang mendukung keberhasilannya dibangun dan terus diteliti agar tercipta keterbukaan. Keterbukaan data merupakan topik penelitian yang belum terselesaiakan karena mengacu kepada data yang besar yang beredar di internet. Dalam industri 4.0 mesin produksi, kebutuhan produksi serta beberapa element pendukung produksi berkomunikasi secara efisien dengan terhubungnya data melalui internet. Untuk menyerap dan mengklasifikasikan data dibutuhkan tahap penyaringan dan pemilahan makna dari kata. Taxonomi merupkan salah satu teknik dalam memetakan keterkaitan kata serta makna dari kata yang merupakan data itu sendiri. Pada penelitian ini dirancang sebuah taxonomi kegitan produksi pada industri manufaktur yang bergerak dibidang textile. Banyaknya istilah dalam industri textile dan hasil dari produksi textile, maka perlu dibuatkannya sebuah taxonomi data dalam susunana makna yang saling berhubungan. Penelitian ini mengacu kepada penelitian untuk membuat database berbasis ontologi dalam arus supply chain management. Hasil dari penelitian ini adalah model pemetaan dalam bentuk taxonomi yang dibuat menggunakan metode methontology. Methontology adalah pengembangan ontologi yang mengusulkan ekspresi ide sebagai seperangkat representasi menengah (IR) dan menghasilkan ontologi menggunakan penerjemah. Dalam metode ini ada lima tahap: Spesifikasi, konseptualisasi, Formalisasi, Implementasi, dan Pemeliharaan. Pengujian keberhasilan taxonomi menggunakan OntoQA yang merupakan matriks perhitungan kekuatan keterikatan antar class. Penelitian ini masih terus dalam penyempurnaan dengan dikembangkannya dalam judul-judul penelitian berikutnya. Kata Kunci: Industri 4.0; industri manufaktur; textile; taxonomi; methontology.
Implemantasi Differential Evolution untuk Optimasi Jadwal Produksi Hendry Setiawan; Dewi Fandelia Tan; Kestrilia Rega Prilianti
Jurnal Buana Informatika Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v9i2.1716

Abstract

Abstract. Scheduling is one of the important things that needs to be considered by any company. A good scheduling process can improve the effectiveness and efficiency of production systems at the company. The problem often occured in this field is a delay in working orders from the deadline and the production of defective products (afal) is still many. The limited ability of the operator to divide the job on the machine causes mistakes of scheduling. To solve that problem, an application was developed to optimize the production schedule automatically. This application was made by implementing the differential evolution algorithm. This production scheduling solution will be represented in vector form. Each vector will be calculated fitness value by the criteria of time and minimum afal. This process will achieve the best vector that provides an optimal schedule. The testing results show that the application can optimize the schedule of production with the average of accuracy rate reaching 99,54%. The scheduling results using differential evolution algorithm can reduce 8,19% of afal, and 97,51% of computing time. Keywords: afal, differential evolution, schedulling.Abstrak. Penjadwalan merupakan salah satu hal penting yang perlu diperhatikan oleh setiap perusahaan. Penjadwalan yang baik akan meningkatkan efisiensi dan efektifitas dari perusahaan tersebut. Permasalahan yang sering terjadi adalah masih sering terjadinya keterlambatan dalam pengerjaan pesanan dari batas waktu yang ditentukan dan kerusakan produksi (afal) yang dihasilkan masih sangat tinggi. Hal ini dikarenakan terbatasnya kemampuan operator dalam membagi job pada mesin, sehingga memungkinkan terjadinya kesalahan penjadwalan. Untuk memecahkan permasalahan tersebut, dibuat sebuah aplikasi yang dapat melakukan optimasi jadwal produksi secara otomatis. Aplikasi ini dibuat dengan mengimplementasikan algoritma differential evolution. Solusi penjadwalan produksi ini akan direpresentasikan dalam bentuk vektor. Setiap vektor akan dihitung nilai fitness dengan kriteria minimasi waktu dan afal. Proses ini akan dilakukan hingga mencapai vektor terbaik yang mampu memberikan jadwal yang optimal. Hasil pengujian yang dilakukan menunjukkan bahwa aplikasi dapat melakukan optimasi jadwal produksi dengan rata-rata tingkat keakuratan mencapai 99,54%. Hasil penjadwalan menggunakan algoritma differential evolution dapat menurunkan afal sebesar 8,19%, dan waktu komputasi sebesar 97,51%. Kata Kunci: afal, algoritma differential evolution, penjadwalan.
Implementasi Algoritma FP-Growth Untuk Strategi Pemasaran Ritel Hidroponik (Studi Kasus : PT. HAB) Adi Nugroho Susanto Putro; Richardus Indra Gunawan
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1746

Abstract

Abstract.PT. Hidroponik Agrofarm Bandungan (HAB) is one of the company working in cultivating hydroponic fruit and vegetable. PT. HAB experiences two main issues selling the crops. First, the crops which has no preservatives will not stay fresh for longer time. Second, the difficulties of determining customer’s habit so that it makes some products are not optimized sold in the market. PT. HAB needs to improve the marketing strategy. The customer’s habit pattern of buying the product can be acquired by using data mining association technique. There are two algorithms in association analysis namely Apriori and FP-Growth. This research proposed FP-Growth algorithm implementation with Weka open source software to measure the retail marketing strategy of hydroponic product. There are two measurement used in the association analysis. They are support and confidence. Support is used to measure the level of domination of product in each transaction and Confidence is used to measure the level of confidence of the product that are sold altogether with other products. This research used minimum support 0,05 and minimum confidence 0,9 ,resulting in 21 rules that can be used as marketing strategy for PT. HAB.Keywords: FP-Growth Algorithm, Data Mining, Hydroponic Retail.Abstrak. PT. Hidroponik Agrofarm Bandungan (HAB) perusahaan yang bergerak di bidang budidaya sayur dan buah hidroponik. PT. HAB mengalami permasalahan dalam menjual hasil panen. Permasalahan pertama, produk PT. HAB adalah sayur dan buah segar tanpa pengawet yang tidak dapat bertahan lama. Permasalahan kedua, perilaku pelanggan sulit ditebak di pasar sehingga barang tidak terjual maksimal. PT. HAB memerlukan strategi pemasaran yang tepat. Kebiasaan belanja pelanggan dapat dicari polanya menggunakan teknik data mining asosiasi. Ada dua algoritma dalam analisis asosiasi, yaitu Apriori dan FP-Growth. Penelitian ini mengusulkan implementasi algoritma FP-Growth dengan software open source Weka untuk strategi pemasaran ritel hidroponik. Ada dua ukuran yang digunakan dalam analisis asosiasi, yaitu support dan confidence. Support untuk mengetahui tingkat dominasi suatu barang dalam sebuah transaksi, confidence untuk mengetahui tingkat kepercayaan suatu barang yang terjual bersama-sama. Penelitian ini menggunakan minimum suport 0,05 dan minimum confidence 0,9, menghasilkan 21 rule yang dapat digunakan sebagai strategi pemasaran PT. HAB.Kata Kunci: Algoritma FP-Growth, Data Mining, Ritel Hidroponik.
ANALISIS DOMAIN BAI, DSS, DAN MEA PADA PENGUKURAN KUALITAS LAYANAN E-GOVERNMENT KABUPATEN PAMEKASAN MENGGUNAKAN FRAMEWORK COBIT 5.0 Aang Kisnu Darmawan; Arisandi Dwi Harto
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1769

Abstract

Abstract. This study aims to audit and evaluate the Dispendukcapil e-Government services in Pamekasan Regency using COBIT 5 Framework. The audit was conducted at the Dispendukcapil Office of Pamekasan Regency. The samples are four Districts and twelve Sub-districts / Villages that were considered quite representative. .The results show that overall capability audit results of the level of ICT services in the Pamekasan District Dispendukcapil are at level 3 (Establish) meaning that the process of ICT services has been implemented according to the existing ICT service standards. The detailed index value of the capability level of each domain is the BAI 2.85 domain (Established), DSS 2.50 domain (Established) and MEA domain 2.83 (Established). Field findings show that business processes in ICT governance of e-government services at the sub-district, village and village levels are at an incomplete level, meaning there is virtually no ICT governance process at that level. The need of fuller more authority on governance is suggested and recommended to be done at the sub-district and village / kelurahan levels by adding competent human resources in the ICT field to provide better e-government services.Keywords:E-Government, Capability Level, COBIT 5.0Abstrak. Penelitian ini bertujuan untuk melakukan audit dan evaluasi terhadap layanan e-Government Dispendukcapil Kabupaten Pamekasan dengan metode Framework COBIT 5. Audit dilakukan di Kantor Dispendukcapil Kabupaten Pamekasan. Sampel Layanan e-Government ialah empat Kecamatan dan 12 Kelurahan/Desa yang dianggap cukup representatif. Hasil penelitian menunjukkan secara keseluruhan hasil audit capability level layanan TIK Dispendukcapil kabupaten Pamekasan berada pada level 3 (Establish) dimana proses layanan TIK sudah terimplementasi sesuai standard layanan TIK yang ada. Rincian nilai indeks capability level masing-masing domain adalah domain BAI 2,85 (Established), domain DSS 2,50 (Established) dan domain MEA 2,83 (Established). Temuan menunjukkan bahwa proses bisnis dalam tata kelola TIK layanan e-government di tingkat kecamatan, kelurahan dan desa berada pada level 0 (incomplete), berarti hampir tidak ada sama sekali proses tata kelola layanan TIK di tingkatan tersebut. Diperlukan kewenangan yang lebih banyak pada tatakelola di tingkat kecamatan, dan desa/kelurahan dengan menambahkan SDM yang kompeten dalam bidang TIK untuk memberikan layanan e-government yang lebih baik.Kata Kunci: E-Government, Capability Level, COBIT 5.0.
Pengenalan Personal Menggunakan Citra Tampak Atas pada Lingkungan Cashierless Strore Bambang Nurcahyo Prastowo; Nur Achmad Sulistyo Putro; Oktaf Agni Dhewa; Ach Maulana Habibi Yusuf
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1779

Abstract

Abstract.Personal recognition with image processing techniques from the side view has the disadvantage of being applied to the cashierless store environment, namely inaccurate recognition or identification when personal collisions occur. To overcome this, the image capture method is used from the top-view. Personal recognition method through the top-view image using the Haar Cascade Classifier method. 1420 positive images and 2170 negative images are used to find features that are considered suitable for recognizing objects using the Adaptive Boosting (Adaboost) method. Tests were carried out on 100 test data by varying the parameters of min_neighbors (3.4, and 5) and the size of the dataset window (25x25, 35x35, 45x45 pixels). Personal recognition testing gets the highest accuracy of 89.9% with the parameters used are min_neighbors 5 and the size of the 25x25 pixel dataset in the detection parameter size of min_size 140x140 pixels.Keywords: Person recognition, image processing, cashierless storeAbstrak. Pengenalan personal dengan teknik pengambilan citra dari tampak samping memiliki kelemahan untuk diterapkan pada lingkungan cashierless store yaitu tidak akuratnya pengenalan atau identifikasi saat terjadi tubrukan antar personal. Untuk mengatasi hal tersebut maka dipakailah metode pengambilan citra dari tampak atas. Metode pengenalan personal melalui citra tampak atas menggunakan metode Haar Cascade Classifier. Digunakan 1420 citra positif dan 2170 citra negatif untuk menemukan fitur-fitur yang dianggap cocok untuk mengenali objek dengan menggunakan metode Adaptive Boosting (Adaboost). Pengujian dilakukan terhadap data tes sebanyak 100 citra dengan menvariasikan parameter min_neighbors (3,4, dan 5) dan ukuran window dataset (25x25, 35x35, 45x45 piksel). Pengujian pengenalan personal mendapatkan akurasi tertinggi sebesar 89,9% dengan parameter yang dipakai yaitu min_neighbors 5 dan ukuran window dataset 25x25 piksel pada parameter ukuran pengujian min_size 140x140 piksel.Kata Kunci: pengenalan personal, pengolahan citra, cashierless store
Pembangunan Aplikasi Identifikasi Waktu Kawin Ternak Babi dengan Alihragam Wavelet dan Backpropagation B. Yudi Dwiandiyanta; Marcellinus Pratama W Putra; Ernawati Ernawati; Martinus Maslim
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1832

Abstract

Abstract.Pigs are one of the animals that are usually bred for pork production. In order to have the pork production which meet the high level of consumption, it is necessary to handle the mating time for the nursery process so that pigs can mate at the right time to avoid problems such as pregnancy failure. Determination of the right mating time in pigs can be decided by observing the shape and color of female pig vulva that is opened and slimy. The uniqueness of vulva in this breeding season can be analyzed and identified by using Haar Wavelet and Backpropagation neural networks. Wavelets are used to perform image feature retrieval, while Backpropagation artificial neural networks are used to create a base of knowledge to decide whether the pigs are at the right mating time. This application is a web application built by Visual Studio 2015 MVC5 framework with C # programming language. Users can use this application by using the Android application. The construction of this application aims to enable pig breeder to get the right time of mating to increase the pork production. This application will also be made for the smart phone version in order to make the detection process with this application more efficient.Keywords: Pattern Recognition, Haar Wavelet, Backpropagation, Pig Breeding.Abstrak. Babi merupakan hewan yang diternakkan untuk dimanfaatkan dagingnya. Agar produksi daging babi dapat memenuhi tingkat konsumsi yang tinggi, diperlukan penanganan waktu kawin agar babi dapat kawin pada waktu yang tepat sehingga menghindari permasalahan seperti kegagalan kebuntingan.Penentuan waktu kawin yang tepat pada babi terlihat pada bentuk dan warna vulva babi betina yang terlihat terbuka dan berlendir. Keunikan vulva ini dapat dianalisis dan dikenali polanya menggunakan alihragam Haar Wavelet dan jaringan syaraf tiruan Backpropagation. Wavelet digunakan untuk pengambilan ciri citra, jaringan syaraf tiruan Backpropagation digunakan untuk membuat basis pengetahuan untuk mengkategorikan karakter yang membuat babi dinyatakan berada dalam waktu kawin yang tepat. Aplikasi ini merupakan aplikasi web yang dibangun dengan bahasa pemrograman C#. Dibangunnya aplikasi ini bertujuan agar peternak babi dapat mendapatkan waktu yang tepat untuk mengawinkan ternaknya agar produksi babi dapat meningkat. Aplikasi ini juga dibuat pada ponsel pintar agar proses pendeteksian dengan aplikasi ini menjadi lebih efisien.Kata Kunci: Pengenalan Pola, Haar Wavelet, Backpropagation, Ternak Babi.
Perencanaan Arsitektur SI/TI menggunakan Framework TOGAF (Studi Kasus : Dinas Perpustakaan dan Kearsipan Daerah Kota Tasikmalaya) Silvia Dwi Oktalia; Rahmi Nur Shofa; Rianto Rianto
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1842

Abstract

Abstract. The planning of system and information technology architecture which is abbreviated as SI/TI is one effort needed by the organization so that the applied system and information technology fits the business organization needs. The Tasikmalaya City Department of Library and Archive has not done the IS/IT architecture planning nor fully applied the IS/IT. Therefore, a system and information technology planning is required to identify the needed system and technology for the departement. The framework used in composing the IS/IT planning was TOGAF with the ADM as the architecture development method. The TOGAF's stages used in this research were started from Preliminary Phase to Phase E: Opportunities and Solutions. The result of this IS/IT architecture planning is a blueprint which is in sync with the business needs in the departement consisting of business architecture, information system architecture and technology architecture.Keywords: ADM, Archives, Architecture, Library, TOGAFAbstrak. Perencanaan Arsitektur Sistem/Teknologi Informasi menggunakan Framework TOGAF. Perencanaan arsitektur sistem dan teknologi informasi atau disingkat SI/TI merupakan salah satu upaya yang diperlukan organisasi agar sistem dan teknologi informasi yang diterapkan sesuai dengan kebutuhan bisnis organisasi. Dinas Perpustakaan dan Kearsipan Daerah Kota Tasikmalaya belum melakukan perencanaan arsitektur sistem dan teknologi informasi ataupun menerapkan sistem dan teknologi informasi secara menyeluruh. Oleh karena itu, diperlukan suatu perencanaan sistem dan teknologi informasi untuk mengidentifikasi sistem dan teknologi apa yang akan digunakan. Tentu saja sistem dan teknologi informasi tersebut harus sesuai dengan struktur organisasi, tugas pokok, fungsi, serta kebutuhan di dinas tersebut. Framework yang digunakan dalam menyusun perencanaan arsitektur SI/TI tersebut adalah TOGAF dengan ADM sebagai metode pengembangan arsitekturnya. Tahapan TOGAF ADM yang dilakukan pada penelitian ini yaitu mulai dari Preliminary Phase hingga Phase E: Opportunities and Solutions. Perencanaan SI/TI menghasilkan blueprint yang selaras dengan kebutuhan bisnis di dinas tersebut yang terdiri dari arsitektur bisnis, aplikasi, data dan teknologi.Kata Kunci: ADM, Arsip, Arsitektur, Perpustakaan, TOGAF
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR PADA WEBSITE REKOMENDASI LAPTOP Chandra Arief Rahardja; Try Juardi; Halim Agung
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1847

Abstract

Abstract. There are various types of laptops that make consumers experiencing confusion in determining choices fitting the criteria that consumers want. The K-Nearest Neighbor (K-NN) algorithm was chosen since K-NN algorithm is a model that can classify data based on the closest distance. This system was created to help consumers in choosing a laptop based on purchasing objectives such as for gaming, design, and office, price, also specifications of the desired laptop. This system helps providing a reference to consumers in determining the laptop that suits their needs. Based on consumer satisfaction test which is carried out to ten consumers, eight out of ten people agree to the given recommendations. The percentage of satisfaction is 80%, therefore the created laptop recommendation was considered successful. Keywords: KNN, Recommendation, Selection, LaptopAbstrak. Berbagai jenis laptop yang ada membuat konsumen mengalami kebingungan dalam menentukan pilihan yang sesuai dengan kriteria yang konsumen inginkan. Algoritma K-Nearest Neighbor (K-NN) ini dipilih karena algoritma K-NN merupakan suatu model yang dapat mengklasifikasikan data berdasarkan jarak terdekat. Sistem ini dibuat untuk membantu konsumen dalam memilih laptop berdasarkan tujuan pembelian seperti untuk gaming, desain, atau kantor, harga, juga spesifikasi mengenai laptop yang diinginkan. Sistem ini membantu memberikan referensi kepada pengguna atau konsumen dalam menentukan laptop yang sesuai dengan kebutuhan. Berdasarkan uji kepuasan pengguna yang dilakukan kepada sepuluh orang pengguna, delapan dari sepuluh orang menjawab dengan jawaban setuju dengan hasil rekomendasi yang diberikan. Persentase kepuasan terhadap hasil rekomendasi sebesar 80% oleh karena itu rekomendasi laptop yang dibuat dinyatakan berhasil.Kata kunci: KNN, Rekomendasi, Pemilihan, Laptop
Monitoring Log Aplikasi Mobile Native Menggunakan Framework Grr Rapid Response Imam Riadi; Sunardi Sunardi; Ahmad Azhar Kadim
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.1909

Abstract

Abstract.In order to acquire the data in the security investigation process comprehensively,respondents need to take general information that uses logs, configured services, cron tasks, patch statuses, and user accounts. This information are known as forensic artifacts. The location and format are varied by system. One manifestation of forensic artifacts that is frequently investigated is files. A Quick Response Grr Framework has been created to describe forensic artifacts that allow data collected and conditioned to quickly use forensics directly on the original mobile application log using Laravel. Retrieving forensic evidence uses the NIST method which has steps such as acquisition, examination, analysis and report. This research produces log files from the laravel framework and detailed activity information from users when accessing the server. The results for which the log is obtained will become evident to be the material of the report.Keywords: Grr, Forensic, Framework, LaravelAbstrak. Agar akuisisi data pada proses investigasi keamanan dapat dilakukan secara komprehensif, responden perlu mengambil informasi umum yang mencakup log, layanan terkonfigurasi, tugas cron, status patch, dan akun pengguna. Informasi-informasi ini dikenal sebagai artefak forensik. Lokasi dan formatnya bervariasi di setiap sistem. Salah satu manifestasi dari artefak forensik yang sering diinvestigasi oleh para praktisi adalah file. Framework Grr Rapid Response telah membangun kerangka kerja untuk mendeskripsikan artefak forensik yang memungkinkan data yang diperlukan dapat dikumpulkan dan dikondisikan dengan cepat menggunakan live forensics pada log aplikasi mobile native menggunakan laravel. Pengambilan barang bukti forensik menggunakan metode NIST memiliki langkah-langkah seperti akuisisi, eksaminasi, analisis, dan pelaporan. Penelitian ini menghasilkan log file dari framework laravel dan informasi aktifitas detail dari user saat mengakses server. Hasil log yang diperoleh akan menjadi barang bukti untuk untuk menjadi bahan laporan.Kata Kunci: Grr, Forensik, Framework, Laravel
Pembentukan Vector Space Model Bahasa Indonesia Menggunakan Metode Word to Vector Yulius Denny Prabowo; Tedi Lesmana Marselino; Meylisa Suryawiguna
Jurnal Buana Informatika Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v10i1.2053

Abstract

Abstract. Extracting information from a large amount of structured data requires expensive computing. The Vector Space Model method works by mapping words in continuous vector space where semantically similar words are mapped in adjacent vector spaces. The Vector Space Model model assumes words that appear in the same context, having the same semantic meaning. In the implementation, there are two different approaches: counting methods (eg: Latent Semantic Analysis) and predictive methods (eg Neural Probabilistic Language Model). This study aims to apply Word2Vec method using the Continuous Bag of Words approach in Indonesian language. Research data was obtained by crawling on several online news portals. The expected result of the research is the Indonesian words vector mapping based on the data used.Keywords: vector space model, word to vector, Indonesian vector space model.Abstrak. Ekstraksi informasi dari sekumpulan data terstruktur dalam jumlah yang besar membutuhkan komputasi yang mahal. Metode Vector Space Model bekerja dengan cara memetakan kata-kata dalam ruang vektor kontinu dimana kata-kata yang serupa secara semantis dipetakan dalam ruang vektor yang berdekatan. Metode Vector Space Model mengasumsikan kata-kata yang muncul pada konteks yang sama, memiliki makna semantik yang sama. Dalam penerapannya ada dua pendekatan yang berbeda yaitu: metode yang berbasis hitungan (misal: Latent Semantic Analysis) dan metode prediktif (misalnya Neural Probabilistic Language Model). Penelitian ini bertujuan untuk menerapkan metode Word2Vec menggunakan pendekatan Continuous Bag Of Words model dalam Bahasa Indonesia. Data penelitian yang digunakan didapatkan dengan cara crawling pada berberapa portal berita online. Hasil penelitian yang diharapkan adalah pemetaan vektor kata Bahasa Indonesia berdasarkan data yang digunakan.Kata Kunci: vector space model, word to vector, vektor kata bahasa Indonesia.

Page 48 of 60 | Total Record : 594

 46   47   48   49   50 

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