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 7, No 2 (2019)" : 6 Documents clear
PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI FUNDUS Wahyudi Setiawan
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.6551

Abstract

Pada artikel ini membahas tentang perbandingan arsitektur Convolutional Neural Network (CNN) untuk klasifikasi citra fundus. Arsitektur CNN yang diujicobakan yaitu AlexNet, Visual Geometry Group (VGG) 16, VGG19, Residual Network (ResNet) 50, ResNet101, GoogleNet, Inception-V3, InceptionResNetV2 dan Squeezenet. Citra ujicoba menggunakan fundus retina utnuk mengklasifikasi 2 kelas yaitu normal dan neovaskularisasi. Citra dilakukan preprosesing yaitu dengan membaginya menjadi 16 bagian yang sama. Skenario ujicoba menggunakan 2 tahap yaitu, pertama, menggunakan CNN tanpa optimasi tambahan, kedua, CNN menggunakan optimasi Gradient Descent. Hasil ujicoba pada kedua skenario menunjukkan arsitektur terbaik yaitu VGG19 dan VGG16. Ujicoba tahap pertama menghasilkan sensitivitas, spesifisitas dan akurasi yaitu 87,8%, 90,7% dan 89,3%. Untuk ujicoba tahap kedua sensitivitas, spesifisitas dan akurasi yaitu 94,2%, 90,4% dan 92,31%.
SISTEM PAKAR DIAGNOSA PENYAKIT SALURAN PENCERNAAN DENGAN PERBANDINGAN METODE FORWARD CHAINING DAN DEMPSTER SHAFER Eza Rahmanita; Wahyudi Agustiono; Riski Juliyanti
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.6743

Abstract

Kurangnya pemahaman akan gejala penyakit saluran pencernaan yang ada, serta pola hidup yang tidak sehat merupakan beberapa faktor yang menjadi alasan mengapa angka kematian pada penyakit pencernaan begitu tinggi dari total keseluruhan penyakit yang ada. Penentuan penyakit saluran pencernaan dapat menjadi kendala ketika informasi yang diketahui kurang tepat. Sehingga perlu adanya media bantu yang mempunyai pengetahuan seperti pakar (dokter spesialis) yang dapat memberikan solusi yang tepat untuk menangani permasalahan tersebut. Dalam penerapan sistem pakar yang digunakan untuk mendiagnosa penyakit saluran pencernaan, perlu membandingkan beberapa metode diantaranya Forward Chaining dan Demspter Shafer. Metode yang digunakan mendapatkan hasil diagnosa dengan memilih antara gejala umum dan khusus. Sehingga nantinya dapat diketahui metode yang paling baik dalam melakukan pendiagnosaan. Dari hasil pengujian yang telah dilakukan, diagnosa penyakit saluran pencernaan dengan perbandingan Forward Chaining dan Dempster Shafer dari 35 data memiliki tingkat akurasi sebesar 71 %. Hal ini menunjukkan bahwa penggunaan sistem pakar dengan 2 perbandingan metode tersebut berhasil.
IMPLEMENTASI TEXT MINING UNTUK ANALISIS PREFERENSI MASYARAKAT TERHADAP TEMPAT WISATA DI INDONESIA Yohanes Hans Kristian; Kestrilia Rega Prilianti; Paulus Lucky Tirma Irawan
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.6710

Abstract

Pariwisata merupakan salah satu sektor unggulan Indonesia yang perlu dijaga dan dikembangkan untuk meningkatkan daya tariknya. Untuk itu diperlukan informasi preferensi masyarakat terkait suatu tempat wisata tertentu yang bisa didapat salah satunya dari media sosial Twitter menggunakan text mining. Pada penelitian ini telah dibuat aplikasi untuk melakukan analisis preferensi masyarakat terhadap tempat wisata di Indonesia dengan menerapkan text mining menggunakan analisis sentimen dan analisis faktor dengan studi kasus candi Borobudur dan candi Prambanan. Algoritma Naive Bayes Classifier (NBC) digunakan pada analisis sentimen, dan metode Principal Component Analysis (PCA) digunakan pada analisis faktor. Dari penelitian yang sudah dilakukan didapatkan hasil akurasi klasifikai sebesar 100% untuk topik candi Borobudur, 80.59% untuk topik candi Prambanan, dan 90.48% untuk akurasi rata-rata menggunakan algoritma NBC. Metode PCA menghasilkan 10 faktor positif dan 7 faktor negatif untuk topik candi Borobudur, sedangkan untuk topik candi Prambanan didapatkan 8 faktor positif dan 3 faktor negatif. Seluruh faktor yang terbentuk telah divalidasi dan diinterpretasikan oleh pakar. Dapat disimpulkan jika aplikasi yang dibuat dapat digunakan untuk mengetahui informasi preferensi masyarakat terhadap tempat wisata di Indonesia.
PENERAPAN METODE SMART UNTUK SELEKSI PESERTA TURNAMEN PADA CABANG OLAHRAGA BOLA BASKET Sigit Susanto Putro; Eza Rahmanita; Faridatul Khumairoh
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.6691

Abstract

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN TERAPI OBAT MENGUNAKAN METODE ADAPTIVE SIMPLE MULTI ATTRIBUTE RATING TECHNIQUE (ASMART) Yeni Kustiyahningsih; Mula'ab Mula'ab; Rizal Dwi Saputra
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.6662

Abstract

Pengobatan sendiri (Swamedikasi) lebih banyak di pilih masyarakat sebagai langkah awal untuk mengurangi gejala penyakit ringan. Saat ini kebanyakan dari masyarakat memilih obat-obatan dengan melihat dari media masa, iklan, saran tetangga, atau dari sumber lainnya dan di konsultasikan kepada apoteker. Masalah muncul ketika ada beberapa orang yang membeli obat di apotik dan ingin konsultasi kepada apoteker, sehingga terjadi suatu antrian. Hal itu yang sering membuat masyarakat langsung membeli obat tanpa konsultasi kepada apoteker dan tanpa mengetahui kriteria obat terlebih dahulu. Kriteria obat adalah tepat indikasi, tepat kontraindikasi, jenis, dosis, dan harga. Banyaknya kriteria dalam menentukan terapi obat yang tepat maka dibutuhkan metode ASMART. Metode ini merupakan metode yang mampu menyelesaikan masalah dengan multikriteria. Dengan menggunakan metode ASMART untuk menentukan terapi obat menghasilkan tingkat akurasi sebesar 84,48 %. Nilai akurasi ini diperoleh dengan cara menganalisa tingkat persamaan hasil yang dilakukan oleh orang ahli (Dokter) terhadap sistem yang kita buat. Pembuatan Sistem Pendukung Keputusan (SPK) ini memiliki tingkat kesesuaian seperti apa yang diinginkan oleh user / pengguna sebesar 81,5 % berdasarkan hasil rata-rata kuesioner terhadap 1 responden dokter, 3 responden apoteker, dan 30 responden masyarakat. Kata Kunci : Terapi obat, SPK, ASMART, Adaptive, Apotek. 
Rancangan Dan Implementasi Aplikasi Pencarian Teks Terjemahan Al Qur’an Berbasis Model Ruang Vektor Husni Husni; Bakhtiyar Arifin
Jurnal Simantec Vol 7, No 2 (2019)
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/simantec.v7i2.7224

Abstract

Al Qur’an adalah kitab suci agama Islam yang di dalamnya terkandung aturan dan pedoman hidup sehingga menjadi rujukan utama saat memerlukan solusi. Tidak banyak masyarakat Indonesia yang memahami Al Quran dalam bahasa Arab, sehingga menjadikan terjemahannya sebagai acuan dalam memahami kandungan kitab ini. Selain itu, susunan isi dari Al Quran yang menempatkan bahasan atau topik secara menyebar, membuat pencarian suatu topik mendapatkan jawaban di banyak tempat, tersebar di antara halaman pertama sampai terakhir yang berjumlah 6236 ayat. Paper ini melaporkan penelitian yang diakukan dengan menerapkan teknik penambangan teks terhadap teks terjemahan Al Quran bahasa Indonesia untuk membantu mempermudah pencarian referensi berupa ayat dan terjemahan berrdasarkan dalam permasalahan yang ingin diketahui solusinya. Secara garis besar, sistem yang dihasilkan menyerupai Search Engine spesfisik terjemahan Al Quran. Proses kerja dari sistem ini terbagi ke dalam dua bagian, yaitu preprocesing dan query processing. Preprocessing meliputi tokenisasi, penghapusan sop-word, stemming, pembauatan indeks dan pembobotan. Query processing lebih fokus pada perhitungan kemiriapan antara kata kunci dari pengguna dengan koleksi teks terjemahan menggunakan kemiripan kosinus. Sistem yang dihasilkan mampu memberikan recall sampai 100% meskipun dari sisi presisi masih di bawah 70% dan telah mampu mempermudah pencarian topik tertentu oleh pengguna.Kata Kunci :penambangan teks, pencarian ayat al qur’an, preprocessing teks, kemiripan kosinus.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2019 2019


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