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 2: April 2023" : 25 Documents clear
Pendekatan Ensemble untuk Analisis Sentimen Covid19 Menggunakan Pengklasifikasi Soft Voting Nova Agustina; Candra Nur Ihsan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026215

Abstract

Covid19 berdampak pada sektor kehidupan, mulai dari sektor ekonomi, pendidikan, kesehatan, invertasi, pariwisata hingga menimbulkan krisis lain yaitu fenomena ketakutan dan kepanikan masyarakat yang dipicu oleh informasi yang tidak lengkap dan akurat. Ketakutan dan kepanikan massa menyebabkan publik mempublikasikan sentimen di media sosial untuk memberikan tanggapan atau kritik terhadap keputusan yang dibuat oleh negara. Pandangan masyarakat terhadap Covid19 perlu dijadikan landasan sebagai pendukung keputusan untuk menyusun kebijakan pemerintah dalam menangani Covid19 di Indonesia. Penelitian ini bertujuan untuk membandingkan dan menerapkan algoritma Logistic Regression, Naïve Bayes, dan Support Vector Machine menggunakan pengklasifikasi dari ensemble, yaitu Soft Voting untuk analisis sentimen perihal Covid19 pada media sosial Twitter. Implementasi Soft Voting untuk analisis sentiment masyarakat Indonesia terhadap Covid19 menjadi kebaruan pada penelitian ini. Soft Voting akan menentukan prediksi baru berdasarkan rekomendasi maksimum dari berbagai model yang diperlukan untuk analisis sentimen. Pada penelitian ini, semua algoritma mendapatkan akurasi yang sama untuk analisis sentimen, yaitu sebesar 89%. Penerapan metode ensemble meningkatkan akurasi model untuk prediksi sentimen menjadi 91%.Abstract Covid-19 has impacted all sectors of life, ranging from the economic sector, education, health, investment, tourism to causing another crisis, i.e., the phenomenon of public fear and panic triggered by incomplete and accurate information. Fear and panic cause the public to publish sentiments on social media to provide feedback or criticism of decisions made by the state. The public's view of Covid-19 needs to be used as a basis for decision support to formulate government policies in dealing with Covid-19 in Indonesia. This study aims to compare and apply the Logistic Regression, Naïve Bayes, and Support Vector Machine algorithms using the classifier from ensemble, i.e., Soft Voting for sentiment analysis related to Covid19 on Twitter social media. The application of Soft Voting for the analysis of Indonesian public's sentiments towards Covid19 is a novelty in this research. Soft Voting will determine new predictions based on maximum recommendations from various models needed for sentiment analysis. In this study, all algorithms get the same accuracy for sentiment analysis, which is 89%. The application of the ensemble method increases the accuracy of the model for sentiment prediction by up to 91%.
Analisis Kredit Pembayaran Biaya Kuliah Dengan Pendekatan Pembelajaran Mesin Arliyanti Nurdin; Rizqa Amelia Zunaidi; Muhammad Arkan Fauzan Wicaksono; Agi Lobita Japtara Martadinata
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026301

Abstract

Salah satu tantangan dalam institusi keuangan adalah manajemen risiko kredit. Hal ini juga terjadi pada institusi pendidikan swasta dimana pengelolaan keuangan dilakukan secara mandiri serta sumber dana mayoritas berasal dari mahasiswa. Setiap institusi harus menjamin kesehatan finansial melalui monitoring cashflow. Adanya penundaan atau kredit pembayaran biaya kuliah mahasiswa akan mempengaruhi cashflow institusi. Oleh karena itu dibutuhkan analisis kredit sebagai tindakan preventif guna mencegah terjadinya kredit yang bermasalah dan meminimalkan risiko kredit lainnya yang timbul di kemudian hari. Pada penelitian ini, algoritma machine learning digunakan untuk analisis kredit pembayaran biaya kuliah pada perguruan tinggi. Dataset yang digunakan adalah data riwayat tagihan, transaksi pembayaran, dan data pengajuan kredit/ angsuran. Tahap perancangan sistem terdiri dari preprocessing, pemilihan fitur, pemodelan, pengujian dan evaluasi hasil. Berdasarkan hasil pengujian algoritma dengan kinerja terbaik adalah KNN dengan recall untuk prediksi “gagal bayar” sebesar 0,8 dan prediksi “berhasil” sebesar 0,76.  Model machine learning ini kemudian ditanamkan dalam sebuah sistem informasi analisis kredit biaya kuliah. Selain itu juga sistem akan memberikan skor setiap pengajuan berdasarkan metode scorecard. Semakin tinggi skor kredit semakin kecil risiko gagal bayarnya. Skor kredit ini berkisar antara 250 – 600. Jika kredit yang diajukan diprediksi “gagal bayar” dengan skor kredit rendah atau berpotensi menjadi piutang macet, sistem akan merekomendasikan untuk menilik ulang skema pengajuan kredit dari mahasiswa tersebut agar mahasiswa tetap dapat melanjutkan pendidikan dan cash collection ratio tetap baik. AbstractOne of the challenges in financial institutions is credit risk management. This also occurs in private educational institutions where financial management is carried out independently and most of funding sources come from students. Each institution must ensure financial health through cashflow monitoring. Any delay or credit in paying student tuition fees will affect the institution's cashflow. Therefore, credit analysis is needed as a preventive measure to prevent non-performing loans and minimize other credit risks that arise in the future. In this study, machine learning algorithms are used for credit analysis for paying tuition fees activity at universities. The datasets used are billing history data, payment transactions, and credit/installment application data. The system design stage consists of preprocessing, feature selection, modeling, uji and evaluation of results. Based on the results of uji the algorithm with the best performance is KNN with a recall for the prediction of "failure to pay" of 0,8 and prediction of "success" of 0,76. This machine learning model is then embedded in a tuition credit analysis information system. In addition, the system will provide a score for each submission based on the scorecard method. The higher the credit score, the lower the risk of default. This credit score ranges from 250 – 600. If the proposed credit is predicted to be "in default" with a low credit score or has the potential to become bad debts, the system will recommend reviewing the student's credit application scheme so that students can continue their education and cash collection ratio remains good.
Sistem Identifikasi Kesehatan Pencernaan Berdasar Suara Usus Menggunakan Embedded System Ryzaldi Ananda Fabiana; Barlian Henryranu Prasetio; Eko Setiawan; Syahrul Chilmi; Edita Rosana Widasari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026515

Abstract

Ileus adalah salah satu penyakit usus yang disebabkan oleh tersumbatnya lumen usus akibat berhentinya gerak peristaltik di dalam usus. Jika tidak ditangani dengan cepat, Ileus bisa menyebabkan usus berlubang. Namun, penderita Ileus seringkali tidak menyadari terjadinya penyakit ini di dalam tubuhnya, sehingga sebaiknya memeriksakan kesehatan pencernaan setiap hari sebagai pencegahan. Oleh karena itu, diperlukan stetoskop digital untuk memberikan jawaban dari hasil auskultasi. Penelitian ini menggunakan stetoskop yang dimodifikasi dengan soundcard yang terhubung dengan raspberry pi dan ditampilkan melalui aplikasi VNC Viewer. Sedangkan Convolutional Neural Network dengan model tensor flow digunakan sebagai metode klasifikasi dan MFCC teknik ekstraksi fiturnya. Sistem merekam dan mendeteksi kehadiran suara perut dengan auskultasi selama 10 detik, dan jika terdeteksi suara perut lebih dari 1 maka dapat disimpulkan pencernaan itu sehat, begitu juga sebaliknya. Dalam penelitian ini, uji klasifikasi untuk yang lain diberi label ‘NIHIL’ suara perut, dan hasil auskultasi adalah 5,85 detik untuk uji klasifikasi. Akurasi yang diperoleh untuk klasifikasi TERDETEKSI' adalah 90%, dan untuk ‘NIHIL’ adalah 100%. AbstractIleus is one intestinal disease caused by the blockage of the bowel lumen due to the cessation of peristalsis within the intestine. If not handled quickly, Ileus could lead to a perforated bowel. However, the sufferer of Ileus often does not realize the occurrence of this disease within his body, so it would be better to check up on the digestive health every day as a preventive. Therefore, a digital stethoscope is needed to provide answers from auscultation results. This study used a modified stethoscope with a soundcard connected to the raspberry pi and displayed through the VNC Viewer application. Meanwhile, Convolutional Neural Network with tensor follow model is used as the classification method and MFCC Technique as the feature extraction. The system records and detects the bowel noise with auscultation for 10 seconds, and if the bowel noise is detected more than1 time, it means normal condition or health, and vice versa. In this study, the classification test for another was labeled with ‘NIHIL,' and the auscultation result was 5.85 seconds for the classification test. The accuracy obtained for the classification of 'digestion-sound' is 90%, and for the 'no digestion sound' is 100%.
Perancangan Antarmuka dan Pengalaman Pengguna pada Prototipe Aplikasi Operasional Notaris menggunakan Metode Ethnographic Field Studies dan User Centered Design Aqila Fayyadh Ferliamo; Buce Trias Hanggara; Yusi Tyroni Mursityo
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026637

Abstract

Notaris adalah salah satu pekerjaan dalam bidang hukum yang mewajibkan untuk hadir sebagai saksi pada saat dilakukan kesepakatan atau perjanjian. Hal ini mengharuskan notaris untuk kerap melakukan pekerjaan di luar kantor, sehingga untuk melihat dokumen yang disimpan secara manual di kantor membutuhkan bantuan dari staf. Oleh karena itu, agar seluruh informasi yang tersimpan di kantor dapat diakses dengan mudah dari mana saja, diperlukan suatu platform tersentralisasi untuk menunjang kebutuhan operasional notaris. Penelitian dilakukan menggunakan metode ethnographic field studies dan pendekatan user centered design. Pengumpulan data dilakukan melalui pengamatan secara etnografi dan partisipasi aktif melalui diskusi dengan pemangku kepentingan di kantor Notaris & PPAT Ferry Ramdhan Afdal, S.H., M.Kn. Berdasarkan analisis dan pemetaan kebutuhan dari data yang dikumpulkan, dilakukan perancangan dengan hasil 24 halaman prototipe aplikasi berbasis mobile yang bersifat high-fidelity. Untuk menguji kesesuaian rancangan dengan kebutuhan dari pemangku kepentingan, dilakukan usability testing terhadap 5 notaris berbeda menggunakan metrik success rate dengan hasil rata-rata sebesar 97,2% dan kuesioner system usability scale yang menghasilkan skor 93 dari maksimal 100, grade A, dan adjective rating kategori Excellent.AbstractNotary is one of the jobs in the legal field with the obligation to be present as a witness when an agreement is being made. This requires the notary to often work outside the office, and to view documents stored manually in the office, they need assistance from their staff. Therefore, so that all information stored in the office can be accessed easily from anywhere, a centralized platform is needed to support the operational needs of a notary. The research was conducted using ethnographic field studies and user centered design method. Data was collected through ethnographic observations and active participation through discussions with stakeholders at the office of Notary & PPAT Ferry Ramdhan Afdal, S.H., M.Kn. Based on requirement analysis and mapping from the data collected, a design was carried out with the results of 24 pages of high-fidelity mobile-based application prototypes. To test the suitability of the design with the needs of stakeholders, usability testing was carried out on 5 different notaries using success rate metrics with an average rate of 97.2% and system usability scale questionnaire resulting in a score of 93 out of a maximum of 100, grade A, and an adjective rating of Excellent category.
Perancangan Rencana Pemulihan Bencana Menggunakan NIST SP 800-34 Rev 1, NIST SP 800-53 Rev 5 dan SNI 8799 (Studi Kasus: Unit TI XYZ) Hafizh Ghozie Afiansyah; Septia Ulfa Sunaringtyas; Amiruddin Amiruddin
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231026507

Abstract

Pada Institut XYZ, unit kerja yang memiliki tanggung jawab untuk mengelola layanan teknologi informasi dan pusat data adalah Unit TI. Berdasarkan Peraturan Pemerintah Nomor 71 Tahun 2019, untuk menanggulangi dampak kehilangan layanan pada pusat data yang disebabkan oleh bencana dan ancaman, diperlukan adanya rencana yang bertujuan untuk mencegah kehilangan dan kerusakan, yaitu rencana pemulihan bencana atau DRP. Hal tersebut didukung dengan kuesioner dan wawancara yang dilakukan kepada jajaran pejabat struktural, kepala unit dan mahasiswa Institut XYZ yang menyatakan bahwa layanan yang dikelola oleh Unit TI XYZ bersifat vital bagi proses bisnis perkuliahan, administrasi umum dan kemahasiswaan. Pada tahun 2021, terjadi kegagalan pada pusat data Unit TI XYZ yang menyebabkan proses perkuliahan daring dan administrasi terhenti karena portal daring yang tidak dapat diakses dan hilangnya data yang disimpan pada penyimpanan awan. Berdasarkan hal tersebut, dilakukan perancangan rencana pemulihan bencana menggunakan NIST SP 800-34 Rev 1 sebagai kerangka kerja penyusunan DRP, NIST SP 800-53 Rev 5 sebagai kendali pencegahan, dan SNI 8799 sebagai acuan persyaratan pusat data. Sebagai hasilnya, disusun enam rencana pemulihan untuk sistem dengan prioritas tinggi, tiga rencana pemulihan untuk sistem dengan prioritas sedang, dan dua rencana pemulihan untuk sistem dengan prioritas rendah.Abstract At the XYZ Institute, the work unit responsible for managing information technology and data center services is the IT Unit. According to Government Regulation Number 71 of 2019, to overcome the impact of service loss in data centers caused by disasters and threats, it is necessary to have a plan that aims to prevent loss and damage, namely a disaster recovery plan or DRP. This is supported by questionnaires and interviews with structural officials, unit heads, and students of the XYZ Institute, which state that services managed by the IT Unit XYZ are vital for the business processes of lectures, general administration, and student affairs. In 2021, there was a failure in the IT Unit XYZ data center, which caused the online lecture and administration process to stop due to an inaccessible online portal and loss of data stored in cloud storage. Based on the regulation requirement, interviews, and questionnaires, a disaster recovery plan was designed using NIST SP 800-34 Rev 1 as a framework for preparing the DRP, NIST SP 800-53 Rev 5 as a preventive control, and SNI 8799 as a reference for data center requirements. As a result, six recovery plans were developed for high-priority systems, three recovery plans for medium-priority systems, and two recovery plans for low-priority systems.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue 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 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2023 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