JSM (Jurnal SIFO Mikroskil)
Jurnal SIFO Mikroskil (JSM) is a journal that published by Lembaga Penelitian & Pengabdian kepada Masyarakat (LPPM) Universitas Mikroskil Medan, Indonesia. JSM published a journal twice a year, in April and October. The mission of JSM to share, develop and facilitate the output of research paper about Informatics, Information Systems and Information Technology. The scope of Journal of Information Systems Mikroskil (JSM) are: information systems, computer science, knowledge management, business & IT alignment, IT Governance, CRM, SCM, enterprise resource planning, enterprise architecture, business process management, business process reengineering, modeling and simulation, information retrieval, artificial intelligence, images processing, information security, data mining, cryptography, social network, cloud computing, data science, IoT, and others.
Articles
225 Documents
<![CDATA[Implementasi Just In Time di Industri Farmasi Liquid ]]>
<![CDATA[Rini Mulyani Sari]]>;
<![CDATA[Evan Nugraha]]>;
<![CDATA[T.M.A Ari Samadhi]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (404.616 KB)
|
DOI: 10.55601/jsm.v17i2.339
<![CDATA[Berdasarkan literature review yang dilakukan, didapatkan hasil bahwa lean dapat diimplementasikan pada industri proses, namun tidak sepenuhnya. Adapun metode yang bisa digunakan di industri proses diantaranya metode JIT (Just In Time). Studi kasus adalah metode yang dipilih dalam melakukan penelitian ini dengan membentuk proposisi terlebih dahulu. Terdapat empat produk yang dipilih sebagai studi kasus yaitu BTP3, CTS3, CTS4, dan DMR2. Penelitian ini dilakukan dalam tiga langkah. Langkah pertama berupa pengukuran performansi operasional situasi sebelum dan sesudah mengimplementasikan metode JIT. Langkah kedua adalah melihat tahapan implementasi JIT di industri farmasi liquid. Tahap terakhir adalah melakukan cross case analysis dengan memadukan pola antara data empiris dengan proposisi. Metode JIT akan meningkatkan ketepatan pengiriman produk, dibuktikan dengan penurunan cycle time untuk keempat studi kasus berkisar antara 12,114% hingga 67,202%. Metode JIT diaplikasikan melalui pelaksanaan kanban dan set up time reduction, pembentukan pull system serta pelaksanaan work standardization di lantai produksi.]]>
<![CDATA[Analisis Waktu Eksekusi Algoritma Perkalian Karatsuba Dan Nikhilam ]]>
<![CDATA[Felix Felix]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM) Mikroskil ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (449.022 KB)
|
DOI: 10.55601/jsm.v17i2.316
<![CDATA[Sebagian perkalian dalam Ilmu Komputer melibatkan bilangan dengan jumlah digit yang banyak. Beberapa cabang ilmu yang banyak melibatkan perkalian bilangan dengan jumlah digit yang banyak adalah Kriptografi dan Kriptanalisis. Untuk melakukan perkalian tersebut, cara biasa yang dipelajari di tingkat SD sudah tidak memadai karena selain waktu komputasinya sangat lama, beberapa kalkulator pun tidak sanggup memberikan nilai yang akurat. Keakurasian tersebut merupakan hal pokok dalam Kriptografi dan Kriptanalisis. Oleh karena itu muncul algoritma perkalian Karatsuba pada tahun 1963 yang memiliki waktu komputasi yang lebih singkat. Algoritma ini selain menerapkan metode Divide and Conquer, juga menerapkan algoritma yang bersifat rekursif. Hal ini memang mampu menurunkan waktu eksekusi secara drastis, namun masih ada potensi untuk menurunkan waktu eksekusinya dengan menggabungkan algoritma Nikhilam ke dalam algoritma Karatsuba. Setelah penulis menggabungkan kedua algoritma tersebut, dihasilkan algoritma gabungan yang hanya membutuhkan kurang dari setengah kali waktu eksekusi algoritma Karatsuba Klasik.]]>
<![CDATA[Aplikasi Penentuan Penerima Kredit Usaha Rakyat Menggunakan Model Fuzzy Tsukamoto ]]>
<![CDATA[Hanifah Awliya]]>;
<![CDATA[Sukmawati Nur Endah]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (801.48 KB)
|
DOI: 10.55601/jsm.v17i2.326
<![CDATA[Analis perbankan memiliki wewenang dalam menentukan nasabah penerima Kredit Usaha Rakyat (KUR). Penentuan dilakukan dengan mengandalkan pemahaman personal analis perbankan. Pemahaman personal yang sewaktu-waktu dapat berubah menyebabkan terjadinya kesalahan dan ketidakkonsistenan dalam pengambilan keputusan. Oleh karena itu perlu dilakukan rancang-bangun pengetahuan untuk membantu analis perbankan mengartikulasikan apa yang mereka ketahui dan mendokumentasikan pengetahuan dalam bentuk yang dapat digunakan kembali. Pengetahuan tersebut dijadikan sebagai dasar dalam pembangunan aplikasi penentuan penerima KUR yang dibangun dengan menggunakan bahasa pemrograman C# dan Sistem Manajemen Basis Data (DBMS) MySQL. Proses penentuan penerima KUR dilakukan dengan menggunakan model fuzzy Tsukamoto. Hasil akhir dari aplikasi ini berupa keputusan diterima atau ditolaknya nasabah sebagai penerima KUR berdasarkan nilai rata-rata terbobot (weighted average). Semakin tinggi nilai rata-rata terbobot maka semakin tinggi kemungkinan nasabah terpilih sebagai penerima KUR. Hasil tersebut menjadi saran yang dapat dipertimbangkan oleh analis perbankan untuk memutuskan nasabah yang layak menerima KUR. Aplikasi ini telah memenuhi kebutuhan sistem dan mampu memberikan hasil yang sesuai dengan keputusan analis perbankan pada kasus yang pernah ditangani sebelumnya. Pengujian sistem terhadap 10 kasus menghasilkan tingkat keakuratan sebesar 90%.]]>
<![CDATA[Pengenalan Captcha dengan Multivalued Image Decomposition dan Vector Space Image Recognition ]]>
<![CDATA[Irpan Pardosi]]>;
<![CDATA[Pahala Sirait]]>;
<![CDATA[Michael Oktando]]>;
<![CDATA[Wilham Wilham]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (692.395 KB)
|
DOI: 10.55601/jsm.v17i2.334
<![CDATA[Completely Automated Public Turing Tests to Tell Computers and Humans Apart (CAPTCHA) merupakan program untuk meningkatkan keamanan web. Pengenalan CAPTCHA menggunakan aplikasi sering mengalami kegagalan karena posisi dari simbol yang terlalu rapat, juga karena sulitnya melatih simbol baru jika gagal dikenali. Metode Naive Pattern Recognition Algorithm salah satu metode yang belum memberikan hasil yang maksimal karena kesalahan pada proses pengenalan simbol tidak dapat dilatih kembali sehingga aplikasi tetap tidak akan mengenali simbol tersebut. Metode Multivalued Image Decomposition dan Vector Space Image Recognition dapat memberikan hasil yang lebih maksimal dengan menggunakan Training Set, dimana simbol yang tidak dikenali akan dilatih/training agar proses pengenalan simbol selanjutnya lebih akurat. Pengujian dilakukan terhadap CAPTCHA dengan berbagai warna background, CAPTCHA dengan simbol yang saling berdekatan (menyatu) dan kombinasi warna simbol dengan background yang berbeda. Untuk CAPTCHA dengan simbol berukuran berbeda dan saling terhubung, tidak dapat dikenali. Dengan threshold 0.90, hasil pengujian dengan training set yang dilakukan terhadap dengan algoritma ini menunjukkan akurasi tingkat keberhasilan sebesar 87%.]]>
<![CDATA[Kajian Algoritma Peningkatan Kontras Citra Dengan Fast Hue Dan Range Preserving Histogram Equalization Specification ]]>
<![CDATA[Pahala Sirait]]>;
<![CDATA[Albert Albert]]>;
<![CDATA[Hendri Hendri]]>;
<![CDATA[Juniardi H]]>;
<![CDATA[Hernawati Gohzali]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (663.289 KB)
|
DOI: 10.55601/jsm.v17i2.335
<![CDATA[Faktor pencahayaan yang kurang saat suatu citra diakuisisi membuat citra menjadi gelap. Untuk memperbaiki tingkat kecerahan kontras citra, beberapa metode telah dilakukan seperti Fast Hue and Range Preserving Histogram Equalization Specification yang meliputi Algoritma Naik and Murthy, algoritma Optimal Range-Preserving Enhancement, algoritma Multiplicative Color Enhancement dan algoritma Additive Color Enhancement. Pada tahap awal dilakukan proses perataan histogram (Histogram Equalization (HE)). Namun dari beberapa referensi belum dapat ditentukan algoritma yang lebih baik dalam proses peningkatan kontras tersebut. Skenario pengujian dilakukan dengan menurunkan nilai lightness dari suatu citra, memproses citra gelap dengan algoritma yang dibahas, dan mengukur perbedaan citra hasil algoritma dengan citra asli menggunakan Structural Similarity Index (SSIM). ??? Hasil pengujian menunjukkan bahwa ??? nilai SSIM tertinggi didapatkan dengan menggunakan algoritma Optimal Range-Preserving Enhancement dan algoritma Multiplicative Color Enhancement. Pada algoritma Optimal Range-Preserving Algorithm, nilai SSIM tertinggi diperoleh dengan menggunakan nilai Lamda (???») di atas 0.6.]]>
<![CDATA[Integrasi Density Based Feature Selection dan Adaptive Boosting dalam Mengatasi Ketidakseimbangan Kelas ]]>
<![CDATA[Sudarto Sudarto]]>;
<![CDATA[Muhammad Zarlis]]>;
<![CDATA[Pahala Sirait]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (683.127 KB)
|
DOI: 10.55601/jsm.v17i2.336
<![CDATA[Ketidakseimbangan kelas (Class Imbalance) dari dataset antara dua kelas yang berbeda yaitu kelas mayoritas dan kelas minoritas, berpengaruh pada algoritma C4.5 yang cenderung menghasilkan akurasi prediksi yang baik pada kelas mayoritas tetapi??? menjadi tidak konduktif dalam memprediksi contoh kelas minoritas, sehingga nilai hasil akurasi pengklasifikasian (classifier) C4.5 menjadi tidak optimal. Untuk mengurangi pengaruh ketidakseimbangan kelas pada pengklasifikasi C4.5, maka perlu dilakukan dengan menerapkan??? kombinasi dari metode seleksi fitur??? yaitu algoritma Adaptive Boosting (Adaboost) dan metode Density Based Feature Selection (DBFS). Penerapan algoritma adaboost dalam seleksi fitur dilakukan untuk memberi bobot pada setiap fitur yang direkomendasikan, sehingga ditemukan fitur yang merupakan classifier yang kuat, sedangkan DBFS berfokus dalam mengidentifikasi kelas minoritas dan mengevaluasi dampak dari sebuah fitur yang bermanfaat berdasarkan rangking fitur agar dapat direkomendasikan pada classifier C4.5 dalam proses pengklasifikasian. Hasil penelitian menunjukkan bahwa, kinerja akurasi pengklasifikasi C4.5 pada dataset mahasiswa lulusan dengan mengkombinasikan DBFS sebelum proses adaboost, dengan pengaturan nilai confidence level 0,50??? dan 30 fold cross-validation, menunjukkan tingkat akurasi klasifikasi yang relatif lebih baik dalam penanganan ketidakseimbangan kelas.]]>
<![CDATA[Perancangan Sistem Penilaian Kinerja Karyawan Berbasis Kompetensi ]]>
<![CDATA[Evan Nugraha]]>;
<![CDATA[Rini Mulyani Sari]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (396.036 KB)
|
DOI: 10.55601/jsm.v17i2.338
<![CDATA[Sistem penilaian kinerja yang diterapkan di perusahaan PT. X ini adalah bersifat tertutup dan rahasia, dan bila dianalisis kembali sistem penilai ini kurang sesuai untuk pengembangan perusahaan khususnya untuk karyawan itu sendiri sebagai koreksi serta terhambatnya sistem informasi dan termasuk pada metode penilaian past oriented performance. Sistem penilaian kinerja ini adalah suatu alat untuk mengukur kinerja karyawan secara obyektif yang nantinya diharapkan bisa menghasilkan suatu penilaian kinerja yang benar sesuai dengan kemampuan karyawan. Pada perancangan sistem penilaian kinerja ini menggunakan sepuluh (10) basis kompetensi (Spencer and spencer) yang kemudian diterapkan dengan menggunakan metode Analisis Hirarki Proses, adapun kriteria kompetensi yang dipakai diantaranya : prestasi, inisiatif, informasi, organisasi, empati, kerjasama, berfikir analitis, membangun hubungan, pengendalian diri dan kepuasan pelanggan yang kemudian menghasilkan sistem penilaian kinerja yang baru. Sistem penilaian kinerja yang baru tersebut mempunyai beberapa kelebihan dibandingkan dengan sistem penilaian yang lama, diantaranya : bersifat terbuka, mempunyai mekanisme umpan balik, bersifat membangun dan memiliki standar yang jelas. Hasil dari pendapat responden yang diwawancara mendapatkan 84 % memilih adanya perusahaan pada sistem penilaian kinerja dan 16 % tetap menginginkan sistem penilaian kinerja yang berlaku sekarang, hal ini membuktikan bahwa sistem penilaian kinerja yang baru lebih baik dari sistem penilaian kinerja yang lama.]]>
<![CDATA[Peningkatan Keamanan Citra Warna Dengan Model Warna HIS dan Password pada Kriptografi Visual Skema((N-1, 1), N) ]]>
<![CDATA[Ronsen Purba]]>;
<![CDATA[Sunario Megawan]]>;
<![CDATA[Anisah -]]>;
<![CDATA[Kardika Sidabariba]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (819.287 KB)
|
DOI: 10.55601/jsm.v17i2.349
<![CDATA[Skema kriptografi visual ((n-1,1),n) menggunakan (n-1) natural image untuk menghasilkan n buah shares. Skema ini dapat mengatasi ekspansi piksel dan rekonstruksi dapat dilakukan tanpa distorsi. Namun, share yang dihasilkan akan menimbulkan kecurigaan pihak lain karena bersifat acak. Untuk itu perlu dilakukan pengamplopan dengan teknik steganografi untuk menyembunyikan shares yang sudah diacak tersebut. Dalam penelitian ini dilakukan pengamplopan share dengan teknik steganografi model warna Hue-Saturation-Intensity (HSI) berbasis LSB. Kelebihan dari model HSI adalah sesuai untuk menggambarkan warna berdasarkan interpretasi manusia dan komponen intensitas tidak berkorelasi dengan komponen hue dan saturation. Lebih jauh, model HSI dapat menampung yang lebih banyak serta proses ekstraksi yang lebih rumit disbanding warna lain.??? ??? Namun, pengamanan tersebut tidaklah cukup, karena pihak yang tidak berkepentingan dapat memperoleh secret image hanya dengan melakukan konversi dan rekonstruksi. Oleh karena itu, sistem dilengkapi dengan password, sehingga tidak sembarang orang dapat membuka amplop yang berisi share. Hasil pengujian menunjukkan penyembunyian shares model warna HSI dan penambahan password dapat meningkatkan keamanan kriptografi visual. Terhadap stego image juga dilakukan serangan noise dengan empat jenis distribusi dan pengujian menunjukkan bahwa distribusi Gauss lebih tangguh disbanding yang lain.]]>
<![CDATA[Sistem Mengukur Kinerja Dosen Dengan Fuzzy Multiple Attribute Decision Making (FMADM) ]]>
<![CDATA[Delpiah Wahyuningsih]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (601.626 KB)
|
DOI: 10.55601/jsm.v17i2.361
<![CDATA[Dalam mengukur kinerja dosen pada STMIK Atma Luhur Pangkalpinang dilakukan secara manual oleh bagian sistem pemjaminan mutu internal (SPMI), hal ini belum dilakukan secara optimal, Penilaian ini tidak ada rekapitulasi secara berkala. Sistem saat ini untuk mengukur kinerja dosen STMIK Atma Luhur Pangkalpinang ada lima kriteria, yaitu disiplin, kualitas kerja, loyalitas, penelitian serta inisiatif. Dari sistem penilaian kinerja ini bertujuan untuk mempermudah pihak yayasan dalam penilaian kinerja dosen, dengan kriteria penilaian kinerja dosen yang sudah ada. Penilaian kriteria kinerja dosen tersebut yang akan dihitung dengan metode fuzzy multiple attribute decision making (FMADM). Penerapan fuzzy multiple attribute decision making dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif (kriteria yang ditentukan). Penelitian ini akan mengkonversi di setiap alternatif (kriteria) dengan mencari bobot dari masing-masing alternafit yang ada, yang kemudian akan dihitung dengan fuzzy multiple attribute decision making. Sehingga di dapatkan hasil untuk perankingan yang akan menentukan kriteria (alternatif) yang optimal. Penelitian ini menunjukkan hasil kinerja dosen dari lima kategori tersebut. Sehingga dapat menghamat waktu dalam penilaian kinerja dosen.]]>
<![CDATA[Seleksi Fitur Pada Dokumen Abstrak Teks Bahasa Indonesia Menggunakan Metode Information Gain ]]>
<![CDATA[Indah Maulida]]>;
<![CDATA[Addy Suyatno]]>;
<![CDATA[Heliza Rahmania Hatta]]>
<![CDATA[ Jurnal SIFO Mikroskil Vol 17, No 2 (2016): JSM Volume 17 Nomor 2 Tahun 2016 ]]>
Publisher : <![CDATA[Fakultas Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1136.501 KB)
|
DOI: 10.55601/jsm.v17i2.379
<![CDATA[Klasifikasi dapat diterapkan di semua bidang kehidupan termasuk dalam teks. Algoritma klasifikasi menggunakan semua fitur yang terdapat pada data untuk membangun sebuah model, padahal tidak semua fitur tersebut sesuai terhadap hasil klasifikasi. Seleksi fitur adalah teknik untuk memilih fitur penting dan relevan terhadap data dan mengurangi fitur yang tidak relevan. Seleksi fitur bertujuan untuk memilih fitur terbaik dari suatu kumpulan data fitur. Tujuan dari penelitian ini adalah menerapkan metode Information Gain dalam sistem seleksi fitur untuk dokumen teks berbahasa Indonesia. Metode Information Gain adalah metode yang menggunakan teknik scoring untuk pembobotan sebuah fitur dengan menggunakan maksimal entropy. Fitur yang dipilih adalah fitur dengan nilai Information Gain yang lebih besar atau sama dengan nilai threshold tertentu. Nilai threshold yang digunakan yaitu 0,02; 0,05 dan 0,07. Data yang digunakan adalah sekumpulan dokumen abstrak skripsi. Dari pengujian menggunakan 21 data, sistem dapat mereduksi fitur sebanyak 89% menggunakan threshold 0,07. Penelitian ini menghasilkan aplikasi yang dapat mengurangi dimensi fitur dan memilih fitur terbaik di dalam dokumen teks bahasa Indonesia.]]>
