cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kab. sleman,
Daerah istimewa yogyakarta
INDONESIA
Telematika : Jurnal Informatika dan Teknologi Informasi
ISSN : 1829667X     EISSN : 24609021     DOI : 10.31315
Core Subject : Engineering,
Arjuna Subject : -
Articles 361 Documents
Good Morning to Good Night Greeting Classification Using Mel Frequency Cepstral Coefficient (MFCC) Feature Extraction and Frame Feature Selection Heriyanto Heriyanto
Telematika Vol 18, No 1 (2021): Edisi Februari 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i1.4495

Abstract

Purpose:Select the right features on the frame for good accuracyDesign/methodology/approach:Extraction of Mel Frequency Cepstral Coefficient (MFCC) Features and Selection of Dominant Weight Normalized (DWN) FeaturesFindings/result:The accuracy results show that the MFCC method with the 9th frame selection has a higher accuracy rate of 85% compared to other frames.Originality/value/state of the art:Selection of the appropriate features on the frame.
ALGORITMA COCKE YOUNGER KASAMI UNTUK DETEKSI STRUKTUR KALIMAT DAN MEREKOMENDASIKANYA MENGGUNAKAN ALGORITMA DAMERAU LEVENSHTEIN DISTANCE Budi Prabowo; Heru Cahya Rustamadji; Yuli Fauziah
Telematika Vol 17, No 2 (2020): Edisi Oktober 2020
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v1i1.3378

Abstract

Penggunaan kata baku dan struktur kalimat merupakan salah satu syarat dalam penulisan laporan penelitian, tanpa disadari kesalahan penulisan dapat terjadi baik berupa kesalahan pengetikan maupun pada struktur kalimat, beberapa penyebabnya ialah kebiasaan saat menulis pesan pendek, berkembangnya bahasa yang digunakan sehari-hari dan susunan keyboard yang terlalu dekat. Kesalahan penulisan biasanya akan segera diperbaiki setelah selesai menulis, namun untuk memperbaikinya diperlukan waktu dan ketelitian. Algoritma CYK merupakan algoritma parsing keanggotaan untuk tatabahasa bebas konteks yang dapat digunakan untuk memeriksa struktur kalimat sedangkan algoritma DLD merupakan algoritma yang mampu menghitung jarak perbedaan dari dua buah string sehingga dapat dimanfaatkan untuk rekomendasi kata dan kalimat. Tujuan dari penelitian ini adalah menerapkan algoritma CYK untuk mendeteksi struktur kalimat dan algoritma DLD untuk merekomendasikan kata dan struktur kalimat. Pemeriksaan kalimat dilakukan dengan mengelompokan setiap kata yang terdapat pada teks berdasarkan jenisnya, kata yang telah dikelompokkan tersebut kemudian disusun kembali kedalam bentuk kalimat dan diperiksa dengan algoritma CYK untuk mengetahui apakah kalimat tersebut benar atau salah, jika kalimat salah maka diberikan rekomendasi kalimat menggunakan algoritma DLD dengan menghitung edit distance-nya, selain perbaikan pada kalimat algoritma DLD juga melakukan perbaikan pada kata yang salah. Hasil pengujian didapatkan tingkat keberhasilan algoritma CYK dalam mendeteksi struktur kalimat sebesar 96% dan algoritma DLD dalam merekomendasikan kata sebesar 96%, sedangkan untuk merekomendasikan kalimat sebesar 88%.
The Determinant Analysis of the Utilization of Google Classroom as the E-Learning Facility in Yogyakarta Nahdlatul Ulama University Pipit Febriana Dewi; Anis Susila Abadi
Telematika Vol 18, No 1 (2021): Edisi Februari 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i1.3968

Abstract

Purpose: to find out what factors cause lecturers and students to adopt and refuse to adopt Google Classroom as a means of E-Learning at the Yogyakarta Nahdlatul Ulama University.Design/methodology/approach: This research was conducted using a qualitative approach to get the meaning of a phenomenon. The Innovation Diffusion Theory is used as the basis for this research to find out how the role of Google Classroom as a means of E-Learning and how the suitability of Google Classroom as a means of E-Learning at Nahdlatul Ulama University Yogyakarta.Findings/result: the factors of adoption consisted of synchronizing the students and lecturers’ email with Google, integrating other Google features, making an efficiency of fund, time and place, finding an alternative way for e-learning, evaluating the facilities, filling the teaching and learning process, communicating between the lecturers and students, and knowing the lateness of submitting assignment. Besides, there were some factors of rejection such as the limited ownership of electronic media, limited knowledge, Internet connection, and no attendance facilityOriginality/value/state of the art: The factors of lecturers and students are adopt and refuse to adopt Google Classroom as a means of E-Learning at Nahdlatul Ulama University Yogyakarta.
PEMBERITAHUAN KETERLAMBATAN ANGSURAN MENGGUNAKAN SHORT MESSAGE SERVICE GATEWAY (STUDI KASUS KOPERASI SIMPAN PINJAM MAKMUR YOGYAKARTA) Jalu Satrio Wibowo; Herry Sofyan; Bambang Yuwono
Telematika Vol 17, No 2 (2020): Edisi Oktober 2020
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v1i1.3384

Abstract

Perkembangan teknologi informasi di era globalisasi ini telah mengalami perubahan yang cukup pesat. Hal ini dapat  lihat dengan banyaknya perusahaan atau badan usaha atau instansi tidak lepas dari pengaruh teknologi informasi. Salah satunya adalah Koperasi simpan pinjam Makmur Yogyakarta sebagai badan usaha ekonomi rakyat yang bersifat sosial yang merupakan usaha bersama berdasarkan atas azas kekeluargaan. Setiap bentuk kegiatan dan usaha pada umumnya memiliki sebuah tujuan yang jelas sehingga dalam mengelola kegiatan koperasi oleh petugas harus memberikan kepercayaan dan memberikan pelayanan yang baik bagi anggota-anggota koperasi. Permasalahan dalam menjalankan kegiatan koperasi antara lain penunggakan dikarenakan keterlambatan pembayaran angsuran, kinerja petugas yang kurang optimal, keterlambatan dalam pemberitahuan informasi yang membuat pembayaran angsuran terhambat, dan pencatatan data dengan pembukuan lalu di memasukan data ke dalam Microsoft excel sehingga kurang terkomputerisasi dalam merekam data koperasi maka apabila dilakukan dengan cara seperti biasa mengecek data satu persatu maka memerlukan waktu yang cukup lama dalam mencari data anggota yang memiliki permasalahan data hilang  dalam mencari file data koperasi belum termasuk juga yang tidak ditemukan menyebabkan data kurang terekam dengan baik sehingga masih kurang efisien dan belum lagi masalah pemberitahuan yang kurang tersampaikan sehingga masih ada anggota yang menunggak pembayaran angsuran pada setiap bulannya menyebabkan pihak koperasi bekerja lebih terutama memberitahu perihal pembayaran dengan sms satu persatu kesetiap anggota yang menunggak dengan petugas yang masih kurang turut menjadi masalah kurang efisen.
Prediction Of Drug Sales Using Methods Forecasting Double Exponential Smoothing (Case Study : Hospital Pharmacy of Condong Catur) Annesa Maya Sabarina; Heru Cahya Rustamaji; Hidayatulah Himawan
Telematika Vol 18, No 1 (2021): Edisi Februari 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i1.4586

Abstract

Purpose: Knowing the best alpha value from the data for each type of drug with various alpha parameters in the Double Exponential Smoothing Method and knowing the prediction results on each type of drug data at the Condong Catur Hospital pharmacy.Design/methodology/approach: Applying the Double Exponential Smoothing method with alpha parameters 0.1; 0.2; 0.3; 0.4; 0.5; 0.6; 0.7; 0.8; 0.9Findings/result: The test results on a system built using test data show that the double exponential smoothing method provides accuracy below 20% by producing a different Alpha (α) for each type of drug because the trend patterns in each drug sale are different at the Pharmacy at the Condong Catur Hospital. .Originality/value/state of the art: Based on previous research, this study has similar characteristics such as themes, parameters and methods used. Previous researchers used smoothing methods such as Double Exponential Smoothing in predicting stock / sales of goods 
PEMANFAATAN TEXT MINING PADA SISTEM PENGOLAHAN SKRIPSI MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SIMPLE ADDITIVE WEIGHTING Firna Sholihuda Sholihuda; Bambang Yuwono; Heru Cahya Rustamadji
Telematika Vol 17, No 2 (2020): Edisi Oktober 2020
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v1i1.3379

Abstract

Tahapan awal skripsi adalah pengajuan proposal skripsi. Proposal skripsi akan diproses untuk menentukan dosen pembimbing, kemudian skripsi dapat dilanjutkan ke tahap penyusunan. Saat ini pengolahan skripsi menggunakan cara manual, dari penentuan dosen pembimbing hingga pengumpulan laporan akhir. Koordinator Skripsi juga harus mencocokkan data proposal dengan data dosen pembimbing secara manual. Maka, penggunaan Sistem Informasi dapat membantu menentukan dosen pembimbing dan sebagai layanan skripsi. Langkah awal dalam menentukan dosen pembimbing adalah mengetahui tema dan konsentrasi proposal skripsi. Untuk mengetahui tema dan konsentrasi proposal dilakukan analisis isi proposal menggunakan metode Text Mining. Text Mining bekerja dengan cara preprocessing menggunakan tokenizing, filtering, dan stemming untuk mendapatkan kata dasar dari setiap kata dalam setiap kalimat. Kemudian melakukan klasifikasi dokumen proposal sesuai dengan tema dan konsentrasi menggunakan algoritma Naïve Bayes Classifier berdasarkan hasil preprocessing. Tema dan konsentrasi merupakan salah satu kriteria penentukan dosen pembimbing menggunakan algoritma Simple Additive Weighting untuk dilakukan perangkingan pembobotan setiap dosen. Berdasarkan hasil penelitian yang telah dilakukan, proses penentuan tema dan konsentrasi dari proposal skripsi mahasiswa dapat membantu dalam melakukan klasifikasi dokumen dengan tingkat akurasi mencapai 78%. Pembobotan dosen pembimbing proposal skripsi sesuai dengan kriteria menunjukkan hasil dengan nilai perangkingan yang beragam sesuai dengan bobot kriteria setiap dosen pembimbing.
Sentiment Analysis On YouTube Comments Using Word2Vec and Random Forest Siti Khomsah
Telematika Vol 18, No 1 (2021): Edisi Februari 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i1.4493

Abstract

Purpose: This study aims to determine the accuracy of sentiment classification using the Random-Forest, and Word2Vec Skip-gram used for features extraction. Word2Vec is one of the effective methods that represent aspects of word meaning and, it helps to improve sentiment classification accuracy.Methodology: The research data consists of 31947 comments downloaded from the YouTube channel for the 2019 presidential election debate. The dataset consists of 23612 positive comments and 8335 negative comments. To avoid bias, we balance the amount of positive and negative data using oversampling. We use Skip-gram to extract features word. The Skip-gram will produce several features around the word the context (input word). Each of these features contains a weight. The feature weight of each comment is calculated by an average-based approach. Random Forest is used to building a sentiment classification model. Experiments were carried out several times with different epoch and window parameters. The performance of each model experiment was measured by cross-validation.Result: Experiments using epochs 1, 5, and 20 and window sizes of 3, 5, and 10, obtain the average accuracy of the model is 90.1% to 91%. However, the results of testing reach an accuracy between 88.77% and 89.05%. But accuracy of the model little bit lower than the accuracy model also was not significant. In the next experiment, it recommended using the number of epochs and the window size greater than twenty epochs and ten windows, so that accuracy increasing significantly.Value: The number of epoch and window sizes on the Skip-Gram affect accuracy. More and more epoch and window sizes affect increasing the accuracy.
RANCANG BANGUN SISTEM INFORMASI PENGAJUAN KREDIT PADA BUMDESA BERSAMA SANTHI SEDANA Putu Risma Emiliana Pande; I Nyoman Tri Anindia Putra; Ni Wayan Suardiati Putri
Telematika Vol 17, No 2 (2020): Edisi Oktober 2020
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v17i2.3620

Abstract

BUM Desa Bersama Santhi Sedana merupakan badan usaha milik desa yang sebagian atau seluruh modalnya berasal dari desa. Dana yang dihimpun tersebut disalurkan lagi kepada masyarakat dalam bentuk kredit yang dapat memberikan keuntungan financial serta kesejahteraan masyarakat desa. Untuk masyarakat yang ingin mengajukan kredit harus datang ke kantor BUM Desa Santhi Sedana, tidak jarang masyarakat harus mendatangi kantor berulangkali untuk melengkapi berkas pengajuan kredit. Tujuan dilakukan penelitian ini adalah untuk membangun sistem informasi yang dapat memudahkan nasabah dalam mengajukan kredit dan membantu pegawai dalam mengelola data kredit nasabah. Sistem informasi kredit ini, dibangun dengan metode pengumpulan data yakni observasi, wawancara, dokumentasi, dan studi pustaka. Pengujian sistem dilakukan dengan black box testing dimana dari hasil pengujian, sistem yang dibangun mampu mengelola pengajuan kredit nasabah dan data pembayaran kredit nasabah.
Classification of Anemia with Digital Images of Nails and Palms using the Naive Bayes Method Nandha Juniaroesita Peksi; Bambang Yuwono; Mangaras Yanu Florestiyanto
Telematika Vol 18, No 1 (2021): Edisi Februari 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i1.4587

Abstract

Purpose: Early detection of anemia based on nails and palms images by applying the Naive Bayes method, as well as to measure the level of accuracy in detecting anemia.Design/methodology/approach: Using the Naive Bayes method. System development uses the waterfall method.Findings/result: Based on the results of the tests that have been carried out, the resulting accuracy is 87.5% with varying light intensities and is 92.3% by using a light intensity of 5362 Lux.Originality/value/state of the art: The difference between this study and previous research is in the image pre-processing method and classification method. In this study, the images of the nails and palms were converted to the YCbCr color space to be segmented and color features extracted. Then the color features will be classified using the Naive Bayes classification method. The output of this system is the result of the input image classification, whether normal or anemic.
Implementation of Convolutional Neural Network (CNN) in Facial Expression Recognition Augyeris Lioga Seandrio; Awang Hendrianto Pratomo; Mangaras Yanu Florestiyanto
Telematika Vol 18, No 2 (2021): Edisi Juni 2021
Publisher : Jurusan Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31315/telematika.v18i2.4823

Abstract

Tujuan: Membantu pengajar melakukan monitoring emosi siswa dengan menerapkan metode Convolutional Neural Network pada aplikasi, serta mengetahui akurasi dalam melakukan pengenalan ekspresi wajah.Perancangan/metode/pendekatan: Menggunakan Convolutional Neural Network untuk mengklasifikasi pengolahan berupa citra. Pengembangan sistem menggunakan metode prototype.Hasil: Berdasarkan hasil pengujian yang dilakukan dengan menggunakan 3589 data ekspresi dasar manusia mendapatkan nilai akurasi sebesar 70,46%, nilai presisi sebesar 71% dan nilai recall sebesar 70%.Keaslian/ state of the art: Berdasarkan penelitian sebelumnya, penelitian ini mempunyai karakteristik yang relatif serupa dalam tema penelitian. Namun memiliki perbedaan pada metode penelitan, perangkat yang digunakan, dan hasil keluaran penelitian.Pada penelitian sebelumnya, dengan objek yang sama yaitu wajah dan emosi wajah, pada metode yang digunakan, perangkat dalam pengambilan citra emosi dan wajah, serta langkah-langkah dalam prosesnya pun berbeda. Pada penelitian ini emosi pada wajah diidentifikasi melalui citra yang diambil secara real-time menggunakan kamera dan dengan menerapkan metode Convolutional Neural Network dengan arsitektur visual group geometry (VGG) dengan 11, 13, 16 dan 19 lapisan yang akan menghasilkan probabilitas ekspresi dalam 7 ekspresi dasar manusia beserta kategorinya.

Filter by Year

2010 2025


Filter By Issues
All Issue Vol 22 No 3 (2025): Edisi Oktober 2025 Vol 22 No 2 (2025): Edisi Juni 2025 Vol 22 No 1 (2025): Edisi Februari 2025 Vol 21 No 3 (2024): Edisi Oktober 2024 Vol 21 No 2 (2024): Edisi Juni 2024 Vol 21 No 1 (2024): Edisi Pertama 2024 Vol 21, No 1 (2024): Edisi Februari 2024 Vol 20 No 3 (2023): Edisi Oktober 2023 Vol 20, No 3 (2023): Edisi Oktober 2023 Vol 20, No 2 (2023): Edisi Juni 2023 Vol 20 No 2 (2023): Edisi Juni 2023 Vol 20 No 1 (2023): Edisi Februari 2023 Vol 20, No 1 (2023): Edisi Februari 2023 Vol 19, No 3 (2022): Edisi Oktober 2022 Vol 19, No 2 (2022): Edisi Juni 2022 Vol 19, No 1 (2022): Edisi Februari 2022 Vol 18, No 3 (2021): Edisi Oktober 2021 Vol 18, No 2 (2021): Edisi Juni 2021 Vol 18, No 1 (2021): Edisi Februari 2021 Vol 17, No 2 (2020): Edisi Oktober 2020 Vol 17, No 1 (2020): Edisi April 2020 Vol 16, No 2 (2019): Edisi Oktober 2019 Vol 16, No 1 (2019): Edisi April 2019 Vol 15, No 2 (2018): Edisi Oktober 2018 Vol 15, No 1 (2018): Edisi April 2018 Vol 14, No 2 (2017): Edisi Oktober 2017 Vol 14, No 1 (2017): Edisi April 2017 Vol 13, No 2 (2016): Edisi Juli 2016 Vol 13, No 1 (2016): Edisi Januari 2016 Vol 12, No 2 (2015): Edisi Juli 2015 Vol 12, No 1 (2015): Edisi Januari 2015 Vol 11, No 1 (2014): Edisi Juli 2014 Vol 10, No 2 (2014): Edisi Januari 2014 Vol 10, No 1 (2013): Juli 2013 Vol 9, No 2 (2013): Edisi Januari 2013 Vol 9, No 1 (2012): Edisi Juli 2012 Vol 8, No 2 (2012): Edisi Januari 2012 Vol 8, No 1 (2011): Edisi Juli 2011 Vol 7, No 2 (2011): Edisi Januari 2011 Vol 7, No 1 (2010): Edisi Juli 2010 Vol 6, No 2 (2010): Edisi Januari 2010 More Issue