cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Retno Mumpuni
Contact Email
jurnalscan@upnjatim.ac.id
Phone
-
Journal Mail Official
jurnalscan@upnjatim.ac.id
Editorial Address
Program Studi Informatika, Fakultas Ilmu Komputer, Universitas Pembangunan Nasional "Veteran" Jawa Timur. Jl. Raya Rungkut Madya, Gunung Anyar, Surabaya, Indonesia.
Location
Kota surabaya,
Jawa timur
INDONESIA
Scan : Jurnal Teknologi Informasi dan Komunikasi
Published by Universitas Pembangunan Nasional Veteran Jawa Timur
ISSN : 19780087     EISSN : 26866099     DOI : https://doi.org/10.33005/scan
Core Subject : Science,
Computer Science & IT
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol 13, No 1 (2018)" : 7 Documents clear
ANALISIS KINERJA METODE ARTIFICIAL NEURAL NETWORK DAN SUPPORT VECTOR REGRESSION UNTUK PREDIKSI SIGNIFICANT WAVE HEIGHT Nooriansyah, Subhan; Fatichah, Chastine; Sambodho, Kriyo
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1054

Abstract

Abstrak. Faktor tekanan angin pada laut dapat menghasilkan gelombang. Tinggi gelombang atau wave height (WH) adalah salah satu bagian dari bentuk gelombang. Significant wave height (SWH) salah satu jenis WH yang merupakan rata-rata nilai sepertiga WH tertinggi pada gelombang spektrum. Data SWH dapat diperoleh dari dua sumber yaitu dari situs resmi penyedia data historikal yang jumlahnya sangat besar dan dari hasil observasi satellite. Namun data dari hasil observasi satelite umumnya data kurang akurat. Prediksi SWH sangat penting dilakukan untuk mengukur kekuatan beban yang diterima oleh kapal dan bangunan diatas atau dalam laut. Metode prediksi yang digunakan oleh peneliti bidang kelautan umumnya adalah metode numerik dan statistik. Metode numerik memiliki kendala dalam memprediksi data skala besar dan hasil prediksi tidak akurat. Metode statistik terkendala pada penentuan parameter untuk menghasilkan prediksi yang akurat. Metode machine learning (ML) merupakan metode yang sering digunakan untuk memprediksi data berdasarkan data histori sehingga dapat digunakan sebagai metode untuk memprediksi nilai SWH. Kelebihan metode ML yaitu dapat memprediksi SWH skala besar, ML dapat memodelkan prediksi dengan mempelajari data. Metode ML yang biasanya digunakan untuk memprediksi data adalah artificial neural network (ANN) dan support vector regression (SVR). Paper ini melakukan analisis kinerja kedua metode tersebut untuk memprediksi nilai SWH. Dataset yang digunakan adalah data historikal SWH dari Brisbane, Australia.Dataset dirubah dengan Sliding Window (SW) untuk menyesuaikan dengan struktur ANN dan SVR. Hasil prediksi kedua metode dievaluasi menggunakan metode evaluasi yaitu mean absolute percentage error (MAPE). Dataset SWH berasal dari situs bmkg pemerintahan Australia. Berdasarkan hasil prediksi SWH menggunakan ANN dan SVR. Hasil evaluasi prediksi pada SW ukuran 3 yaitu ANN mendapatkan MAPE 6.88 % sedangkan hasil evaluasi prediksi SVR mendapatkan MAPE 8.51 %.  Kata Kunci: Wave Height, Significant Wave Height, Numerik, Statistik, Machine Learning, Artificial Neural Networks, Support Vector Regression, Prediksi, Data Historikal, Evaluasi, Mean Absolute Percentage Error, Sliding Window.DOI : https://doi.org/10.33005/scan.v13i1.1054
DETEKSI LETAK PLAT NOMOR KENDARAN DENGAN METODE WAVELETS TRANFORM Puspaningrum, Eva Yulia; Saputra, Wahyu S J; Chafid, M Putih
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1055

Abstract

Abstrak. Plat kendaraan adalah sebuah atribut wajib yang harus dimiliki oleh setiap kendaraan bermotor. Untuk mengenali sebuah plat selain yang harus dikenali adalah karakter plat nomer tetapi sebelumnya kita juga harus tahu dimana dulu letak plat nomor itu berada. Feature extraction merupakan sala satu cara untuk pengenalan objek pada sebuah citra dengan melihat ciri khusus yang dimiliki oleh sebuah objek dengan tujuan untuk melakukan perhitungan dalam melakukan identifikasi ciri dari sebuah citra. Metode transformasi berbasis wavelet digunakan untuk mengekstraksi fitur  untuk mencari plat nomor yang diinginkan. Kemudian, menemukan garis acuan dalam subimage merupakan peran penting untuk menemukan posisi plat nomer. Hasil dari penelitian ini 20 uji coba dengan aplikasi secara otomatis yang telah dilakukan, 11 data uji coba terdeteksi sukses dan 9 data dengan plat nomor yang gagal dikenali letaknya dengan sempurna. Persentase keberhasilannya adalah 55% dengan data gambar yang tegak lurus pada saat pengambilan.  Kata Kunci: Deteksi, Plat nomor, Wavelet TransformDOI : https://doi.org/10.33005/scan.v13i1.1055
METODE MAXIMALLY STABLE EXTREMAL REGIONS DAN HARRIS CORNER UNTUK MENDETEKSI LOKASI PLAT NOMOR KENDARAAN BERMOTOR Maulana, Hendra; Herumurti, Darlis; Yuniarti, Anny
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1056

Abstract

Abstrak. Beberapa penelitian metode pengenalan plat telah menunjukkan kinerja menjanjikan, namun beberapa metode mungkin gagal dalam situasi yang lebih kompleks karena kompleksitas seperti variasi posisi dan orientasi plat, berbagai latar belakang, dan benda-benda non-plat. Untuk efisiensi pencocokan visual yang lebih tinggi, beberapa detektor keypoint cepat dan deskripsi yang sesuai telah dilakukan penelitian, seperti seperti fitur FAST, SURF, BRISK, Harris Corner. Dan ada juga fitur Maximally Stable Extremal Regions (MSER) yang metode pencarian keypoint berdasarkan extremal regionnya. Metode MSER telah diidentifikasi sebagai salah satu detektor wilayah terbaik karena ketahanannya terhadap perubahan sudut pandang, skala, dan pencahayaan, serta sensitif terhadap citra yang kabur. Deteksi lokasi plat nomor kendaraan dengan metode deteksi sudut Harris Corner mampu mendeteksi secara baik pada file gambar dengan kondisi pencahayaan yang beragam, hal ini dikarenakan oleh latar belakang yang relatif terfokus pada sudut. Namun untuk beberapa gambar plat nomor yang memantulkan sinar matahari masih sulit dideteksi. Oleh sebab itu penelitian ini akan menggabungkan metode Maximally Stable Extremal Regions (MSER) dan metode Harris Corner pada tahap ekstraksi fitur untuk deteksi lokasi plat nomor kendaraan. Penggunaan metode MSER diharapkan dapat memperbaiki kekurangan metode Harris Corner pada gambar plat nomor yang memantulkan sinar matahari dan dapat mengurangi area yang akan dicocokan dengan template berdasarkan deteksi corner point teks. Ekstraksi dilakukan terhadap 80 dataset mobil dengan plat nomor kendaraan standar Indonesia. Proses ekstraksi fitur metode MSER digunakan untuk mendeteksi kandidat area teks, selanjutnya dilakukan ekstraksi fitur Harris Corner untuk mendeteksi corner points teks dan akan dicocokan dengan template. Hasil pengujian menunjukkan nilai akurasi sebesar 98,85% dengan rata-rata waktu komputasi 32,96 detik. Sedangkan nilai presisi dan recall masing-masing sebesar 67,61 untuk presisi, dan 79,66 untuk recall.  Kata Kunci: Ekstraksi fitur, Extremal region, Corner detection, Harris Corner, MSERDOI : https://doi.org/10.33005/scan.v13i1.1056
RANCANG BANGUN E-COMMERCE UNTUK USAHA DAGANG SPAREPART NH JAYA DENGAN METODE WATERFALL Alit, Ronggo; Via, Yisti Vita; Anggreini, Diana Nur
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1057

Abstract

Abstrak. Pesatnya perkembangan teknologi dan internet di Indonesia, telah memiliki dampak yang sangat baik terhadap perubahan bisnis perdagangan. Dengan e-commerce proses bisnis jual – beli antara produsen dan konsumen dapat dilakukan secara mudah dan cepat  sehingga dapat membantu para pelaku bisnis didalam menjalankan usahanya. Penelitian ini menggunakan metode waterfall dikarenakan setiap tahap yang dilalui selalau berjalan berurutan atau terstruktur, adapun langkah – langkah pada metode waterfall meliputi survei sistem, analisa sistem, design sistem, pembuatan sistem, implementasi sistem, dan pemeliharaan sistem. Hasil dari penelitian menunjukkan bahwa dengan mengidentifikasi kebutuhan bisnis, sistem e-commerce dapat menyediakan fitur dan informasi untuk memenuhi kebutuhan dan kepuasan konsumen. Fitur – fitur tersebut meliputi produk pencarian, informasi rekening, pengiriman dan konfirmasi pembayaran, dan memberikan informasi persediaan unit penjualan, dan diharapkan hasil penelitian ini dapat memberikan kontribusi bagi unit usaha dagang untuk mengembangkan bisnisnya sehingga lebih maju dan secara tidak langsung akan meningkatkan nilai perusahaan yang dapat memberikan dampak pada meningkatnya tingkat perekonomian di Indonesia.  Kata kunci : e-commerce, sparepart, waterfall.DOI : https://doi.org/10.33005/scan.v13i1.1057
KLASIFIKASI ANALISIS SENTIMEN MENGENAI HOTEL DI YOGYAKARTA Setiowati, Yuliana; Helen, Afrida
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1052

Abstract

Abstrak. Yogyakarta adalah destinasi wisata yang sangat menarik, sering disebut dengan kota Yogya. Kota ini selalu ramai dikunjungi para wisatawan dari luar kota, terutama pada masa-masa liburan. Jumlah wisatawan baik dalam dan luar negeri pada tahun 2016 sekitar 4,5 juta orang meningkat sekitar 10% dari jumlah wisatawan pada tahun 2015. Kenaikan jumlah wisatawan diiringi dengan meningkatnya jumlah hotel bintang maupun non bintang. Tempat yang menarik dari Yogya, salah satunya adalah daerah Malioboro. Perkembangan hotel disekitar Malioboro dan okupansi hotel tentu meningkat. Banyak website penyedia informasi dan pemesanan hotel seperti www. Traveloka.com yang juga menampung opini dari wisatawan. Pengolahan data opini perlu untuk mengetahui kualitas layanan dari hotel tersebut. Di sisi lain jumlah opini semakin bertambah banyak untuk mengetahui apakah opini positif, negatif atau netral. Sehingga  pengolahan data secara otomatis menjadi sangat penting. Penelitian ini melakukan analisa sentiment terhadap opini para wisatawan mengenai kualitas layanan hotel di malioboro Yogya secara otomatis.  Analisa sentiment dengan melakukan klasifikasi opini untuk menentukan polaritas opini yaitu positif, negatif atau netral dengan beberapa metode klasifikasi. Pada ekstraksi fitur dilakukan dengan beberapa model dengan mengkombinasikan berbagai parameter yaitu tf, tf-idf dan penggunaan stopword atau tidak pada saat preprocessing. Ekstraksi fitur dengan beberapa model  untuk mengetahui model yang optimal dengan data set uji coba. Metode klasifikasi yang digunakan adalah Naïve Bayes, KNN, J48, Random Forest dan SVM. Dari hasil uji coba, fitur yang paling optimal adalah model 1 karena menghasilkan kinerja klasifikasi lebih bagus dibandingkan dengan model fitur lain, selanjutnya diikuti oleh model 2, model 5, model 3, model 4 dan model 6. Fitur dengan model 1 adalah fitur dengan pembobotan kata TF dan pada saat preprocessing tidak menghilangkan stopword. Jumlah data set pada uji coba yang digunakan tidak terlalu besar yaitu 345 data, sehingga dimensi data tidak terlalu besar. Proses klasifikasi untuk data set ini membutuhkan fitur lengkap yaitu model 1 dan model 2. Fitur lengkap, tanpa menghilangkan stopword, karena ternyata stopword juga sebagai penentu untuk klasifikasi polaritas opini. Dari hasil uji coba, kinerja metode klasifikasi terhadap model ekstraksi fitur berdasarkan nilai recall. Nilai recall menunjukkan berapa persen data terklasifikasikan dengan benar oleh sistem. Dari hasil analisa menunjukkan bahwa metode SVM unggul dibandingkan dengan metode lainnya, selanjutnya diikuti oleh model Naïve Bayes, KNN, Random Forest dan J48. Metode SVM unggul untuk semua model kecuali model 6.  Kata Kunci: klasifikasi, fitur, pembobotan kata, Yogyakarta DOI : https://doi.org/10.33005/scan.v13i1.1052
PERENCANAAN ENTERPRISE ARCHITECTURE MENGGUNAKAN FRAMEWORK TOGAF ADM STUDI KASUS : SMP AL-ISLAM KRIAN SIDOARJO Idhom, Mohammad; Putra, Ragil Bapolki; Sugiarto, Sugiarto; Nugroho, Budi
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1058

Abstract

Abstrak. SMP Al-Islam Krian sudah memanfaatkan sistem infromasi dan teknologi informasi akan tetapi belum sesuai dengan visi dan misi organisasi, agar visi dan misi organisai tercapai dibutuhkan perencanaan enterprise architecture. Untuk melakukan perancangan asitektur enterprise menggunakan framework TOGAF dengan metode ADM dengan tahapannya yaitu preliminary phase, requirements management, A. architecture vision, B. business architecture, C. information system architecture, D. technology architecture, E. opportunities and solution. Penelitian ini bisa membantu SMP Al-Islam Krian dalam pembuatan perancangan arsitektur enterprise di masa mendatang, dengan menghasilkan usulan aplikasi berupa aplikasi penerimaan peserta didik baru, aplikasi ujian berbasis komputer, dan aplikasi pengolahan nilai. Juga menghasilkan usulan data  dan usulan teknologi, penelitian ini bisa membantu SMP Al-Islam Krian dalam pembuatan perancangan arsitektur enterprise di masa mendatang.  Kata Kunci: Sistem Informasi, Enterprise Acrhitecture, TOGAF ADMDOI : https://doi.org/10.33005/scan.v13i1.1058
APLIKASI SPATIO-TEMPORAL SEJARAH KERAJAAN MAJAPAHIT PADA PIRANTI BERGERAK Fariza, Arna; Safrudana, Maulyd Ahdan; Hasim, Jauari Akhmad Nur
SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018)
Publisher : Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/scan.v13i1.1053

Abstract

Abstrak. Kerajaan Majapahit ialah salah satu kerajaan bercorak Hindu-Budha yang pernah berkuasa di tahun 1293 -1527 Masehi dengan wilayah kekuasaanya mencakup sebagian besar wilayah asia tenggara.  Informasi sejarah Majapahit banyak disajikan dalam bentuk buku teks, namun sejarah dari informasi tersebut tidak banyak yang tersaji dalam bentuk garis waktu.  Penelitian ini mengajukan pendekatan baru dalam menyajikan informasi sejarah Kerajaan Majapahit dengan spatio-temporal, dimana informasi ditampilkan berdasarkan urutan waktu dan lokasi dengan memanfaatkan piranti bergerak berbasis Android.  Aplikasi ini menampilkan informasi sejarah Majapahit melalui sebuah peta yang memanfaatkan servis Google Maps untuk menandai letak penyebaran Kerajaan Majapahit dan diintegrasikan dengan navigasi seekbar sebagai parameter waktu.  Dengan pendekatan baru tersebut disertai fitur-fitur yang ditampilkan dalam piranti bergerak berbasis Android menyebabkan aplikasi sejarah Majapahit lebih menarik, mudah digunakan dan menambah pemahaman tentang sejarah Kerajaan Majapahit.Kata Kunci:Sejarah, Kerajaan Majapahit, spatio-temporal, servis Google Maps, navigasi seekbarDOI : https://doi.org/10.33005/scan.v13i1.1053

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol 18, No 1 (2023): Februari 2023 Vol 17, No 3 (2022): Oktober 2022 Vol 17, No 2 (2022): Juni 2022 Vol 17, No 1 (2022): Februari 2022 Vol 16, No 3 (2021): Oktober 2021 Vol 16, No 2 (2021): Juni 2021 Vol 16, No 1 (2021): Februari 2021 Vol 15, No 3 (2020): Oktober 2020 Vol 15, No 2 (2020): Juni 2020 Vol 15, No 1 (2020): Februari 2020 Vol 14, No 3 (2019) Vol 14, No 2 (2019) Vol 14, No 1 (2019) Vol 13, No 3 (2018) Vol 13, No 2 (2018) Vol 13, No 1 (2018) Vol 12, No 3 (2017) Vol 12, No 2 (2017) Vol 12, No 1 (2017) Vol 11, No 3 (2016) Vol 11, No 2 (2016) Vol 11, No 1 (2016) Vol 10, No 3 (2015) Vol 10, No 2 (2015) Vol 10, No 1 (2015) Vol 9, No 3 (2014) Vol 1, No 1 (2009): SCAN More Issue