cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Doni Abdul Fatah
Contact Email
simantec@trunojoyo.ac.id
Phone
+6285648688506
Journal Mail Official
simantec@trunojoyo.ac.id
Editorial Address
Jurusan Teknik Informatika - Fakultas Teknik - Universitas Trunojoyo Madura Jl. Raya Telang PO BOX 2 Kamal, Bangkalan 69162
Location
Kab. bangkalan,
Jawa timur
INDONESIA
Jurnal Simantec
Published by Universitas Trunojoyo Madura
ISSN : 20882130     EISSN : 25024884     DOI : https://doi.org/10.21107/simantec.v8i2
Core Subject : Science,
Computer Science & IT
Jurnal Simantec merupakan Jurnal Ilmiah dibawah naungan Program Studi Manajemen Informatika, Fakultas Teknik Universitas Trunojoyo Madura. Jurnal Simantec diterbitkan pertama kali pada bulan Desember 2009, dan diterbitkan dua kali dalam setahun. Jurnal Simantec berisi artikel-artikel ilmiah yang meliputi bidang-bidang : informatika, Sistem Informasi, Multimedia, Mekatronika, Jaringan serta hasil penelitian lainya yang terkait dengan bidang-bidang tersebut.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 6 Documents
 1 
Search results for , issue "Vol 4, No 1 (2014)" : 6 Documents clear
PENENTUAN JARAK OPTIMAL GUNA MEMINIMALKAN BIAYA TRANSPORTASI MENGGUNAKAN METODE MINIMAL SPANNING TREE Jono o
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1346

Abstract

ABSTRAKPT. XYZ merupakan perusahaan yang bergerak di bidang industri mebel dan ukir kayu, dengan hasil produksinya berupa almari, buffet, kursi dan meja tamu, kursi teras, jam hias, relief serta soufenir. Hasil produksi tersebut didistribusikan oleh perusahaan secara langsung ke daerah pemasarannya menggunakan armada milik perusahaan yaitu truk dan mobil pick up. Dalam operasionalnya, perusahaan mengeluarkan biaya transportasi yang cukup besar, yang menyebabkan perusahaan kehilangan kesempatan untuk memperoleh keuntungan seperti yang diharapkannya. Penelitian ini bertujuan untuk meminimumkan biaya transportasi, Dengan menggunakan analisa jarak tempuh optimal dan Metode Minimal Spanning Tree, dapat memberikan solusi optimal dengan menghasilkan total jarak tempuh yang minimal dengan prosedur penghubungan langsung pada titik-titik (node) yang ada pada sebuah jaringan seperti pada jaringan distribusi. Hasil perhitungan biaya transportasi distribusi produk setelah analisa menggunakan metode Minimal Spanning Tree ini dapat memberikan penghematan biaya transportasi pada bulan Juli 2010 sebesar Rp.659.800 atau dengan persentase sebesar 8,9 % dan penghematan pada bulan Agustus sebesar Rp.1.837.500 dengan persentase sebesar 20,69 %..Kata Kunci : Jarak, Biaya, Minimal Spanning Tree (MST).ABSTRACTPT. XYZ is a company in the furniture and wood carving field, with its products such as cabinets, buffets, chairs and coffee table, patio chairs, decorative clock, reliefs and soufenir. The output was distributed by the company directly to the area of marketing that uses the company's fleet of trucks and pick ups. In operation, the company issued a sizable transportation costs, which caused the company to lose the opportunity to gain as he had hoped. This research is aims to minimize transportation costs, the use of analysis of optimum mileage and Minimal Spanning Tree method, can provide the optimal solution to produce a minimum total mileage by directly linking procedures at points (nodes) that exist on a network such as distribution network . The results of the calculation of the cost of transporting the product distribution after analysis using Minimal Spanning Tree method is able to provide transportation cost savings in July 2010 amounted to Rp.659.800 or by a percentage of 8.9% and savings in August of Rp.1.837.500 with a percentage of 20 , 69%..Keyword: Distance, Cost, Minimal Spanning Tree (MST).
PREDIKSI NILAI DENGAN METODE SPECTRAL CLUSTERING DAN CLUSTERWISE REGRESSION Ahmad Yusuf; Handayani Tjandrasa
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1040

Abstract

ABSTRAKPrediksi nilai adalah hal yang terus dikembangkan dalam penggalian data. Regresi linier merupakan metode dasar dalam memprediksi nilai berdasar variabel-variabel pada data. Salah satu hal yang mempengaruhi kualitas dari hasil regresi adalah persebaran data latih. Data latih terkadang membuat persamaan regresi kurang optimal. Hal ini dapat diantisipasi dengan mengelompokkan data terlebih dahulu kemudian membangun model regresi dari masing-masing kelompok. Pengelompokan data dilakukan dengan menggunakan algoritma Spectral Clustering, sedangkan model regresi dibangun dengan algoritma Clusterwise Regression. Hasil prediksi merupakan hasil perkalian keanggotaan fuzzy data uji dengan persamaan regresi pada masing-masing kelompok. Metode ini diujicobakan terhadap beberapa dataset yang bervariasi yang dibandingkan dengan metode regresi linear biasa. Ukuran pengujian yang digunakan adalah Root Mean Square Error yang menghitung kesalahan dari hasil prediksi. Semakin kecil nilai RMSE suatu metode maka metode tersebut semakin baik. Berdasar pada uji coba yang dilakukan, penggunaan metode yang diusulkan mampu memprediksi nilai dengan kesalahan sekitar 3 sampai 6 persen. Parameter jumlah cluster juga berpengaruh terhadap hasil prediksi yaitu berbanding terbalik dengan nilai RMSE.Kata kunci: Clusterwise Regression, Pengelompokan, Penggalian Data, Prediksi, Regresi, Spectral Clustering.ABSTRACTPredicted values are continuously being developed in data mining. Linear regression is a basic method for predicting the value of variables based on the data. One that affects the quality of the regression is the spread of the data training. Data training sometimes make less optimal regression model. It can be anticipated by clustering the data first and then building the regression model of each cluster. We are using Spectral Clustering for clustering data, whereas regression model is built with Clusterwise Regression algorithm. The prediction result is obtained by multiplying fuzzy membership data testing with the result of regression equation in each group. This method is tested against several variations dataset compared to standard linear regression methods. Measure of the test used is Root Mean Square Error that computes the error of the predicted results. The smaller the RMSE value indicates the method is the better method in predictioning value. Based on experiments performed, the proposed method is able to predict the score with the error about 3 – 6 percent. Number of clusters as parameter affects the prediction, which is inversely proportional to the value of RMSE.Keywords: Clusterwise Regression, Clustering, Data Mining, Prediction, Regression, Spectral Clustering
PERAMALAN HARGA MINYAK MENTAH MENGGUNAKAN GABUNGAN METODE ENSEMBLE EMPIRICAL MODE DECOMPOSITION (EEMD) DAN JARINGAN SYARAF TIRUAN Sri Herawati; Arif Djunaidy
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1347

Abstract

ABSTRAKSalah satu metode peramalan harga minyak mentah yang ditujukan untuk mengakomodasi sifat harga minyak mentah yang cenderung nonlinier dan nonstasioner serta dipengaruhi banyak faktor adalah peramalan yang megintegrasikan metode empirical mode decomposition (EMD) dan jaringan syaraf tiruan (JST). Dalam metode EMD, serangkaian fungsi waktu dari data masukan ditranformasikan menjadi sejumlah modus yang terdiri dari beberapa intrinsic mode functions (IMF) dan sinyal residu. Namun, metode EMD mempunyai kelemahan karena dapat menimbulkan terjadinya modus campuran dimana sebuah IMF tunggal dapat terdefinisikan menjadi beberapa sinyal dengan skala yang berbeda atau sebuah sinyal dengan skala yang sama terbentuk dalam beberapa komponen IMF yang berbeda. Dalam penelitian ini, metode EMD diganti dengan metode ensemble EMD (EEMD) dan menambahkan sinyal white noise untuk mengkompensasi modus cam-puran yang dapat terbentuk. JST berbasis feedforward neural networkdigunakan untuk memperoleh model peramalan dari masing-masing IMF dan sinyal residu. Semua IMF dan residu yang dihasilkan dijadikan masukan pada sebuah adaptive linear neural network (Adaline) untuk menghasilkan proses peramalan. Model peramalan yang telah berhasil dikembangkan dalam penelitian ini dibangun dan diuji menggunakan data bulanan harga minyak mentah West Texas Intermediate (WTI) dan Brent. Hasil uji coba menunjukkan bahwa metode peramalan yang menggabungkan EEMD dan JST menghasilkan kinerja yang lebih baik dibandingkan metode yang menggabungkan EMD dan JST. Hasil uji coba untuk data bulanan jenis minyak WTI menghasilkan RMSE sebesar 0,0330 dan Dstat sebesar 65,3061%, sedangkan untuk jenis minyakBrent menghasilkan RMSE sebesar 0,0433 dan Dstat sebesar 78,0488%.Kata kunci: Peramalan Harga Minyak Mentah, Empirical Mode Decomposition (EMD), Ensemble EMD (EEMD), Jaringan Syaraf Tirun, Adaptive Linear Neural Network (Adaline). ABSTRACTOne method of forecasting crude oil price which is intended to accommodate the nature of crude oil prices tend to be nonlinear and nonstationary and is influenced by many factors that integrated forecasting method empirical mode decomposition (EMD) and neural network (ANN). In the EMD method, the time series of the function of the input data being transformed into a mode that consists of several intrinsic mode functions (IMF) and the residual signal. However, EMD method has drawbacks because it can lead to a mixed mode where a single IMF can be defined into several signals with different scales or a signal of the same scale are formed in several different IMF components. In this study, EMD method is replaced with the ensemble method EMD (EEMD) and adding white noise signal to compensate for the blend mode that can be formed. ANN based feedforward neural network used to obtain forecasting model of each IMF and the residual signal. All IMF and the resulting residue used as input to an adaptive linear neural network (Adaline) to generate forecasting process. Forecasting model has been successfully developed in this study was built and tested to use monthly data price of West Texas Intermediate crude oil (WTI) and Brent. The experimental results show that the forecasting method that combines EEMD and ANN produce a better performance than methods that incorporate EMD and ANN. Test results for monthly data types WTI oil yield of 0.0330 and a RMSE of 65.3061% dstat, while Brent oil for this type produces RMSE of 0.0433 and 78.0488% of dstat.Keyword: forecasting crude oil prices, empirical mode decomposition (EMD), ensemble EMD (EEMD), neural networks, adaptive linear neural network (Adaline)
PERENCANAAN ARSITEKTUR ENTERPRISE BIDANG PETERNAKAN DI DINAS PERTANIAN DAN PETERNAKAN KABUPATEN BANGKALAN Yeni Kustiyahningsih; M. Kautsar Sophan; Idealetika Yunia Fitri
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1042

Abstract

ABSTRAKPermasalahan utama dari departemen pertanian dan peternakan kabupaten Bangkalan adalah proses integrasi data. Departemen saat ini telah tersedia beberapa aplikasi untuk mendukung proses bisnis. Tetapi tidak memiliki akses dalam lingkungan jaringan yang mengakibatkan transfer data departemen masih secara manual. Selain itu, kurangnya aplikasi yang mendukung dinas pertanian dan peternakan. Hal ini diperlukan untuk merencanakan suatu arsitektur enterprise yang sesuai dengan fungsi bisnis, khususnya di bidang pertanian dan pertanian. Perencanaan arsitektur enterprise (EAP) adalah sebuah proses yang di hasilkan untuk membantu manajemen dalam memahami fungsi bisnis di setiap bagian organisasi. EAP juga merupakan produk pengembang aplikasi yang lebih mudah menangani kesalahan dalam sistem yang ada. Untuk membangun itu diperlukan kerangka kerja atau bekerja langkah. Penelitian ini menggunakan kerangka Faderal enterprise Architecture Framework (FEAF) sebagai panduan untuk perencanaan arsitektur enterprise. Hasil penelitian ini adalah desain arsitektur enterprise di bidang pertanian dari departemen Pertanian dan peternakan Bangkalan di mana terdapat kesesuaian antara hasil dari kerangka desain dengan kebutuhan di departemen adalah sebesar 85,71%.Kata Kunci : Departemen pertanian dan peternakan Kabupaten Bangkalan, Enterprise architecture planning (EAP), Faderal enterprise Architecture Framework (FEAF).ABSTRACTThe main problem department of agriculture and farm Bangkalan district is data integration process. Department currently has available some applications to support business processes. But the lack access in network environment which Department resulted transfer data is still doing it manually. Besides this, the lack supporting application agriculture and farm. It is necessary to plan an appropriate enterprise architecture with business functions, especially in the farm and agriculture. Enterprise architecture planning (EAP) is a process that produced to assist management in understanding the business functions in every part of organization. EAP is also a product for application developers making it easier to correct errors existing systems. To building it needed framework or work steps. This research used FEA framework (FEAF) as a guide to enterprise architecture planning. This result research is design of enterprise architecture of Department of Agriculture and farm Bangkalan where there is concordance between results of the design framework with needs in the Department is 85.71%.Keyword : Department of agriculture and farm Bangkalan district, Enterprise architecture planning(EAP), Faderal enterprise Architecture Framework (FEAF).
PENERAPAN AES UNTUK OTENTIKASI AKSES CLOUD COMPUTING Imamah h; Arif Djunaidy; Muchammad Husni
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1344

Abstract

ABSTRAKOtentikasi merupakan salah satu bagian penting dari proses pengamanan data, yang bertujuan untuk membatasi tingkatan hak akses pengguna. Cloud Computing merupakan model komputasi yang mengalihkan sumber daya seperti daya komputasi, penyimpanan, jaringan dan perangkat lunak menjadi layanan di internet. Kehilangan data akibat kebocoran hak akses atau mekanisme otentikasi yang lemah diduga sebagai resiko dan ancaman paling rentan pada cloud computing. Penelitian ini mengajukan sebuah metode pengamanan untuk otentikasi hak akses menggunakan AES (Advance Encryption Standard). Password yang merupakan metode pengamanan hak akses akan dienkripsi menggunakan AES kemudian diuji coba dalam sebuah server PC yang telah diintalasi eyeOS (server private cloud). Hasil percobaan dengan menambahkan enkripsi AES untuk enkripsi password menggunakan data uji Rockyou menghasilkan skor 0.97 lebih kuat dibandingkan metode MD5 dengan selisih waktu komputasi 0.0004 mikro-detik lebih lambat. Hasil percobaan dengan menggunakan data uji MySpace menghasilkan skor 1.24 lebih kuat dibandingkan dengan metode MD5 dengan selisih waktu komputasi 0,0011 mikro-detik lebih lambat. Berdasarkan hasil penelitian menunjukkan bahwa sistem otentikasi yang dikembangkan dalam penelitian ini layak untuk diaplikasikan dalam lingkungan cloud computing.Kata Kunci: AES (advanced encryption standard), Biometrik tanda tangan offline ,Cloud computing, manajemen otentikasi.ABSTRACTAuthentication is one important part of the process of data security, which aims to restrict user access levels. Cloud Computing is a computational model that diverts resources such as computing power, storage, networking and software as a service on the internet. Data loss due to leakage permissions or weak authentication mechanism thought to be most vulnerable to the risks and threats to cloud computing. This study proposed a method for authentication security permissions using AES (Advanced Encryption Standard). Password is a method for securing rights access will be encrypted using the AES then tested in a server PC that has installation with eyeOS ( private cloud server ) . The experimental results by adding AES encryption for encrypting passwords using RockYou generate test data score 0.97 is stronger than MD5 method with a computing time 0.0004 microseconds slower . The experimental results using MySpace generate test data resulted in a score 1.24 stronger than MD5 method with computing time 0.0011 microseconds slower . Based on the results of the study indicate that the authentication system developed in this study feasible to be applied in a cloud computing environment .Keyword: AES (advanced encryption standard), Biometric offline signature, Cloud computing, management authentication.
PREDIKSI PERGERAKAN HARGA SAHAM MENGGUNAKAN SUPPORT VECTOR REGRESSION Lisa Yuli Kurniawati; Handayani Tjandrasa; Isye Arieshanti
Jurnal Simantec Vol 4, No 1 (2014)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v4i1.1345

Abstract

ABSTRAKDalam pasar saham, harga suatu saham dapat berubah secara cepat dari waktu ke waktu. Para pemilik saham diharapkan dapat segera memutuskan kapan saham sebaiknya dijual atau tetap dipertahankan. Karenanya prediksi pergerakan harga saham sampai saat ini masih menjadi topik hangat untuk diperbincangkan dalam dunia jual beli saham. Model prediksi pergerakan harga saham yang akurat dapat membantu para investor dalam pertimbangan pengambilan keputusan transaksi saham. Di dalam praktiknya, harga suatu saham dapat diprediksi dengan menggunakankonsep analisa teknikal.Analisa teknikal didasarkan pada prinsip penggunaan data histori harga saham untuk memprediksi pergerakan saham dimasa mendatang.Tujuan penelitian ini adalah mengimplementasikan metode Support Vector Regression dalam analisa teknikal untuk memprediksi pergerakan harga saham di masa mendatang. Support Vector Regression (SVR) merupakan pengembangan dari metode support vector machine untuk kasus regresi. Metode ini mampu mengatasi overfitting serta mampu menunjukkan performa yang bagus.Dari serangkaian uji coba yang dilakukan, dapat disimpulkan bahwa metode SVR dapat memprediksi pergerakan harga saham dengan cukup baik. Hal ini terlihat dari nilai NRMSE terbaik yang didapatkan sebesar 0.14.Kata kunci: Analisa Teknikal,Prediksi harga saham, Regresi, SVR.ABSTRACTInstockmarkets, the priceof a stockcanchangerapidlyover time. The investor may decide when the stock should be sold or retained.For this reason, thestockprice movementpredictionis stilla hot topicto be discussedin the world ofbuying and sellingstocks. The modelwhich was accurate forstockprice movement prediction may help investors inconsideration of the decision-making of stock transactions. In practice, stock price may be predicted with the technical analysis approach. Technical analysisis based on the principle of using historical datat o predict stock price movement in the future. The purpose of this study is to implement Support Vector Regression in technical analysis to predict the movement of stock prices. Support Vector Regression(SVR) was the development of support vector machine for regression case. This method was able to overcome the over fitting and be able to show good performance. From a series of experiments, it can be concluded that the SVR method may predict the movement of stock prices pretty well. It can be seen from the best values of NRMSE is 0,14.Keywords: Technical Analysis, Stock price forecasting, Regression, SVR.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2014 2014


Reset
Filter By Issues
All Issue Vol 14, No 1 (2025): Jurnal Simantec Desember 2025 (Article in Progress) Vol 13, No 2 (2025): Jurnal Simantec Juni 2025 Vol 13, No 1 (2024): Jurnal Simantec Desember 2024 Vol 12, No 2 (2024): Jurnal Simantec Juni 2024 Vol 12, No 1 (2023): Jurnal Simantec Desember 2023 Vol 11, No 2 (2023): Jurnal Simantec Juni 2023 Vol 11, No 1 (2022): Jurnal Simantec Desember 2022 Vol 10, No 2 (2022) Vol 10, No 1 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2018) Vol 6, No 3 (2018) Vol 6, No 2 (2017) Vol 6, No 1 (2017) Vol 5, No 3 (2016) Vol 5, No 2 (2016) Vol 5, No 1 (2015) Vol 4, No 3 (2015) Vol 4, No 2 (2014) Vol 4, No 1 (2014) Vol 2, No 2 (2011): Desember Vol 1, No 3 (2010): Desember Vol 1, No 2 (2010): Juni More Issue