cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agung Setia Budi
Contact Email
agungsetiabudi@ub.ac.id
Phone
+62341-577911
Journal Mail Official
jtiik@ub.ac.id
Editorial Address
Fakultas Ilmu Komputer Universitas Brawijaya Gedung F FILKOM Lt. 8, Ruang BPJ Jalan Veteran No. 8 Malang Indonesia - 65145
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : 23557699     EISSN : 25286579     DOI : http://dx.doi.org/10.25126/jtiik
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) merupakan jurnal nasional yang diterbitkan oleh Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya (UB), Malang sejak tahun 2014. JTIIK memuat artikel hasil-hasil penelitian di bidang Teknologi Informasi dan Ilmu Komputer. JTIIK berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti. JTIIK di akreditasi oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor: 36/E/KPT/2019 yang berlaku sampai dengan Volume 11 Nomor 2 Tahun 2024.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 25 Documents
 1   2   3 
Search results for , issue "Vol 10 No 1: Februari 2023" : 25 Documents clear
Perbandingan Kinerja Inception- Resnetv2, Xception, Inception-v3, dan Resnet50 pada Gambar Bentuk Wajah Masruroh, Fitriana; Surarso, Bayu; Warsito, Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023104941

Abstract

Saat ini, klasifikasi bentuk wajah banyak diterapkan dalam berbagai bidang. Dalam bidang industri fashion dapat digunakan untuk pemilihan gaya rambut, pemilihan bingkai kacamata, tata rias, dan mode lainnya. Selain itu, dalam bidang medis bentuk wajah digunakan untuk bedah plastik. Identifikasi bentuk wajah adalah tugas yang menantang karena kompleksitas wajah, ukuran, pencahayaan, usia dan ekspresi. Banyak metode yang dikembangkan untuk memberikan hasil akurasi terbaik dalam klasifikasi bentuk wajah. Deep learning menjadi tren dibidang komputer vision karena memberikan hasil yang paling baik dari pada metode sebelumnya. Makalah ini mencoba menyajikan perbandingan kinerja klasifikasi wajah dengan empat arsitektur deep learning Xception, ResNet50, InceptionResNet-v2, Inception-v3. Dataset yang digunakan berjumlah 4500 gambar yang terbagi lima kelas heart, long, oblong, square, round. Berbagai pengoptimal deep learning diantaranya; transfer learning, optimizer deep learning, dropout dan fungsi aktivasi diterapkan untuk meningkatkan kinerja model. Perbandingan antara berbagai model CNN didasarkan kinerja metrik seperti accuracy, recall, precision dan F1-score. Dengan demikian dapat disimpulkan bahwa model Inception-ResNet-V2 menggunakan fungsi aktivasi Mish dan optimizer Nadam mencapai nilai tertinggi dengan accuracy dan f1-score masing-masing 92.00%, dan penggunaan waktu 65.0 menit. AbstractCurrently, face shape classification is widely applied in various fields. In the fashion industry, it can be used for hairstyle selection, eyeglass frame selection, makeup, and other modes. In the medical field, the face shape is used for plastic surgery. Identification of face shape is a challenging task due to the complexity of the face, size, lighting, age and expression. Many methods have been developed to provide the best accuracy results in the classification of face shapes. Deep learning is becoming a trend in the field of computer vision because it gives the best results than the previous method. This paper attempts to present a comparison of the performance of face classification with four deep learning architectures Xception, ResNet50, InceptionResNet-v2, Inception-v3. The dataset used is 4500 images divided into five classes heart, long, oblong, square, round. Various deep learning optimizers include; transfer learning, deep learning optimizer, dropout and activation functions are implemented to improve model performance. Comparisons between various CNN models are based on performance metrics such as accuracy, recall, precision and F1-score. Thus, it can be concluded that the Inception-ResNet-V2 model using the Mish activation function and the Nadam optimizer achieves the highest value with an accuracy and f1-score of 92.00%, and a time usage of 65.0 minutes. Thus, it can be concluded that the Inception-ResNet-V2 model using the Mish activation function and the Nadam optimizer achieves the highest value with an accuracy and f1-score of 92.00%, and a time usage of 65.0 minutes. 
Jaringan Komunitas Berbasis Similaritas Topik Bahasan dan Emosi untuk Mengidentifikasi Perilaku Pengguna Twitter Apriantoni, Apriantoni; Purwitasari, Diana; Raharjo, Agus Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106317

Abstract

Pandemi COVID-19 menyebabkan situasi krisis yang berdampak pada perubahan perilaku pengguna Twitter terkait pengalaman distres publik. Perubahan perilaku positif bisa berdampak positif. Namun, perubahan perilaku negatif bisa menjadi masalah jika terjadi secara masif, seperti meningkatnya kecemasan pengguna. Oleh karena itu, mengeksplorasi hubungan antara perilaku dan jaringan komunitas pengguna sangat penting untuk menemukan implikasi pandemi COVID-19 terhadap perubahan perilaku pengguna Twitter. Penelitian ini berkontribusi dalam mengidentifikasi perubahan perilaku pengguna berdasarkan model ekstraksi perilaku kolektif pada aktivitas tweet temporal. Mekanisme ini menggunakan topik bahasan dan emosi sebagai variabel ekstraksi untuk menghasilkan jaringan perilaku pengguna. Kemudian, jaringan perilaku tersebut dimodelkan dengan algoritma DeepWalk Network Embeddings untuk memetakan hubungan kedekatan perilaku antar pengguna dan Density Peak Clustering Algorithm untuk mengelompokkan komunitas pengguna berdasarkan kesamaan perilaku yang kuat. Dari analisis 121 pengguna aktif, periode sebelum COVID-19 memiliki 98 pengguna representatif yang didominasi oleh 33% perilaku komunitas terkait aktivitas pribadi dengan emosi senang. Di sisi lain, periode setelah COVID-19 memiliki 54 pengguna representatif yang didominasi oleh 65% perilaku komunitas terkait kesehatan dengan emosi marah. Perubahan perilaku kedua periode tersebut dipengaruhi oleh transisi pola jaringan terdistribusi ke pola jaringan clique graph, sehingga sentralisasi penyebaran informasi mempengaruhi potensi peningkatan perubahan perilaku pengguna pada jaringan komunitas. Hasil ini dapat digunakan untuk mengurangi potensi penyebaran perilaku negatif dengan memanfaatkan komunitas yang memiliki pengaruh perilaku positif dikalangan pengguna Twitter. AbstractThe COVID-19 pandemic caused a crisis that impacted behavior changes of Twitter users related to public distress experiences. Positive behavior changes could have a positive impact. However, negative behavior changes could have problems if it occur massively, such as increased user anxiety. Therefore, exploring the relationship between behavior and user community in the social networks is very important to find the implication of the COVID-19 pandemic on behavior changes of Twitter users. This study contributes to identify user behavior changes based on the collective behavior extraction model on temporal tweet activities. This mechanism used discussion topics and emotions as extraction variables to generate user behavior network. Then, the behavioral network was modeled by the DeepWalk Network Embeddings algorithm to map the behavioral closeness relationship between users and the Density Peak Clustering Algorithm to group user communities with strong behavioral similarities. Based on the analysis of 121 active users, before the COVID-19 period had 98 representative users, who were dominated by 33% of community behavior related to personal activities with happy emotions. On the other hand, after the COVID-19 period, 54 representative users were dominated by 65% of community behavior related to health with anger. Behavior changes in both periods are influenced by the transition from a distributed network pattern to a clique graph network pattern, so the centralization of information dissemination could affect the potential for increasing user behavioral changes in the community network. These findings could be used to reduce the potential for spreading negative behavior by leveraging communities with positive behavior influence among Twitter users.
Analisis Kualitas Website HSP Academy (PT. Hanosen Pratama) Menggunakan Metode Webqual 4.0 dan Importance and Performance Analysis (IPA) Ikhsawiyanthi, Anisah; Wijoyo, Satrio Hadi; Mursityo, Yusi Tyroni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023104858

Abstract

HSP Academy merupakan perusahaan lembaga training yang terletak di Tangerang dan bertujuan untuk membantu dalam mengembangkan sumber daya manusia. HSP Academy sudah terdaftar oleh badan sertifikasi baik nasional maupun internasional. HSP Academy memanfaatkan website perusahaan dalam menunjang pelayanan dan kebutuhan informasi pelanggannya. Untuk menciptakan layanan yang dapat memberikan nilai bagi pelanggan mereka dan juga sebagai pengelolaan jaminan mutu berdasarkan ISO 9001:2015, perlu dilakukan penilaian kualitas layanan website dengan menggunakan metode WebQual 4.0 dan IPA untuk meningkatkan dan mempertahankan kualitas layanan berdasarkan asumsi penggunanya. Metode WebQual 4.0 menilai dengan cakupan masalah Usability, Information Quality dan Service Interaction, metode ini menilai apakah kinerja website sudah sesuai dengan harapan penggunanya. Sedangkan metode IPA digunakan untuk melihat permasalahan mana yang harus dilakukan perbaikan berdasarkan prioritas pada kuadran IPA. Berdasarkan hasil penyebaran kuesioner kepada 118 responden yang merupakan pengguna dari website HSP Academy, hasil penelitian menunjukkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas utama yaitu tata letak informasi, pembaharuan informasi, informasi yang detail dan informasi yang akurat. Sedangkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas rendah yaitu tampilan website, domain website, informasi dengan format bahasa serta penyampaian kritik dan saran terhadap website. Untuk atribut pernyataan lainnya tidak masuk kedalam prioritas perbaikan karena dinilai memiliki kinerja yang baik untuk dipertahankan. Rekomendasi perbaikan tampilan website pada prioritas utama dan prioritas rendah dibuat berdasarkan pedoman yang ada. AbstractHSP Academy is a training company located in Tangerang and aims to assist in developing human resources. HSP Academy has been registered by both national and international certification bodies. HSP Academy utilizes the company's website to support its customer service and information needs. To create services that can provide value for their customers and also as quality assurance management based on ISO 9001:2015, it is necessary to assess the quality of website services using WebQual 4.0 and IPA methods to improve and maintain service quality based on user assumptions. The WebQual 4.0 method assesses the coverage of Usability, Information Quality and Service Interaction problems. This method assesses whether the website's Performance is in accordance with the expectations of its users. Meanwhile, the IPA method is used to see which problems need improvement based on priority in the quadrant of IPA. Based on the results of distributing questionnaires to 118 respondents who are the users of the HSP Academy website, the results show that there are 4 attributes included in the high priority for improvement, those are information layout, updating of information, detailed information and accurate information. Meanwhile, there are 4 attributes included in low priority for improvement, those are website appearance, website domain, information in language format and the delivery of criticism and suggestions toward the website. The other attributes are not included in the priority for improvement because they are considered to have good Performance and sufficient enough to be maintained. Recommendations for the website’s interface are made based on the existing guidelines.
Akuisisi Bukti Digital Tiktok Berbasis Android Menggunakan Metode National Institute of Justice Anggraini, Fitri; Herman, Herman; Yudhana, Anton
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106416

Abstract

Seiring mudahnya menjangkau internet maka masyarakat sangat mudah menggunakan media sosial. Media sosial sangat berdampak positif bagi khalayak ramai seperti mudahnya dijangkau informasi dan mengakses perkembangan zaman, meskipun demikian tidak menutup kemungkinan media sosial dapat mendatangkan pengaruh negatif seperti tindak kejahatan cyberbullying, penipuan, ancaman, dan pencemaran nama baik. Aplikasi TikTok merupakan media sosial yang paling banyak diunduh menurut We Are Social dan Hootsuite pada Januari 2022 dan aplikasi TikTok rentan menyebabkan terjadinya kejahatan pencemaran nama baik, dan terjadinya ancaman. Penelitian ini bertujuan melakukan proses forensik untuk mendapatkan bukti-bukti pencemaran nama baik dan ancaman pada media sosial TikTok. Penelitian ini menggunakan framework dari National Institute of Justice (NIJ) dengan tahap identification, collection, examination, analysis, dan reporting. Tools yang digunakan dalam penelitian yaitu MOBILedit forensic Express. Proses forensik yang dilakukan berhasil mendapatkan data pada smartphone yang belum di-root hanya bisa mendapatkan informasi aplikasi TikTok, images, dan waktu kejadian dengan persantase tingkat keberhasilan 42,8%. Sedangkan pada smartphone yang sudah di-root didapatkan data berupa informasi aplikasi TikTok, nama akun, Messanges, image, waktu kejadian, dan video serta hastag tidak dapat ditemukan dengan persantase tingkat keberhasilan 85,7%. AbstractAs it is easy to reach the internet, it is very easy for people to use social media. Social media has a very positive impact on the general public such as easy access to information and access to the times, however it is possible that social media can have negative effects such as cyberbullying, fraud, threats, and defamation. The TikTok application is the most downloaded social media according to We Are Social and Hootsuite in January 2022 and the TikTok application is vulnerable to causing crimes of defamation, and threats. This study aims to conduct a forensic process to obtain evidence of defamation and threats on TikTok social media. This study uses a framework from the National Institute of Justice (NIJ) with the stages of identification, collection, examination, analysis, and reporting. The tools used in this research are MOBILedit Forensic Express. The forensic process that was carried out succeeded in obtaining data on a smartphone that had not been rooted, only being able to get information on the TikTok application, images, and the time of the incident with a success rate of 42.8%. Meanwhile, on a rooted smartphone, data in the form of TikTok application information, account names, messages, images, time of occurrence, and videos and hashtags could not be found with a success rate of 85.7%.
Otomatisasi Pembangkitan Pertanyaan untuk Bahasa Indonesia (Systematic Literature Review) Naufal, Mohammad Farid; Kusuma, Selvia Ferdiana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106455

Abstract

Penelitian tentang otomatisasi pembangkitan pertanyaan terus berkembang. Berbagai metode telah coba diterapkan pada berbagai bahasa. Setiap bahasa memiliki karakteristik yang berbeda beda. Oleh karena itu, metode yang digunakan untuk membangkitkan pertanyaan juga harus disesuaikan dengan bahasa yang digunakan. Otomatisasi pembangkitan pertanyaan untuk bahasa Indonesia juga sudah mulai berkembang sejak 2015. Hasil penelitian-penelitian tersebut perlu dianalisis agar dapat mengetahui kelebihan maupun kekurangan dari setiap metode yang pernah digunakan. Oleh karena itu, jurnal ini membahas tentang Systematic Literature Review (SLR) pembangkitan pertanyaan pada bahasa Indonesia. SLR yang dibangun ini dapat digunakan untuk bahan pertimbangan optimalisasi penelitian tentang pembangkitan pertanyaan menggunakan bahasa Indonesia di kemudian hari. Tahapan yang dilakukan dalam pembentukan SLR adalah perencanaan literature review, kemudian melakukan literature review dan terakhir adalah pelaporan hasil literature review. Pencarian pada google scholar menghasilkan 27 penelitian yang relevan dengan kata kunci. Penerapan kriteria inklusi dan eksklusi menghasilkan 15 penelitian yang relevan. Kemudian proses backward dan forward snowballing yang dilakukan menghasilkan 2 penelitian tambahan. Total penelitian yang dianalisis berjumlah 17 penelitian. Proses selanjutnya adalah penilaian kualitas penelitian. Hasil penilaian kualitas penelitian menunjukkan bahwa keseluruhan penelitian yang berjumlah 17 penelitian tersebut memiliki kualitas yang baik untuk dianalisis. Hasil analisis yang dilakukan menunjukkan bahwa penelitian awal terkait pembangkitan pertanyaan untuk bahasa Indonesia masih memiliki beberapa celah. Diantaranya terkait dataset yang belum memadai, model pertanyaan yang kurang beragam, belum adanya penanganan/preproses model kalimat unstructured, dan belum adanya pembangkitan pertanyaan yang berasal dari gabungan beberapa informasi. AbstractResearch on automated question generation is constantly evolving. Various methods have been tried to be applied in various languages. Each language has different characteristics. Therefore, the method used to generate questions should be adapted based on the language. The automation of question generation for Indonesian has also begun to develop since 2015. The result of these studies need to be analyzed to find out the advantages and disadvantages of each method that has been used. Therefore, this journal discusses the Systematic Literature Review (SLR) for generating questions in Indonesian. The SLR that was built can be used for consideration of optimizing research on generating questions using Indonesian in the future. The steps taken in this SLR are planning analysis, then carrying out the analysis and finally reporting the analysis. A search on Google Scholar yielded 27 studies that were relevant to the keyword. The application of inclusion and exclusion criteria resulted in 15 relevant studies. Then the backward and forward snowballing processes carried out resulted in 2 additional studies. Total research analyzed amounted to 17 studies. The next process is the assessment of research quality. The results of the research quality assessment showed that the overall 17 studies had good quality for analysis. The results of the analysis carried out indicate that the initial research related to question generation for Indonesian still has some gaps. For examples about datasets, question models, handling unstructured sentence models, and generating questions from a combination of some information.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 13 No 1: Februari 2026 Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2 No 2: Oktober 2015 Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue