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 4: Agustus 2023" : 25 Documents clear
RAM-ROM sebagai Pendukung Algoritma Zigzag Scan Menggunakan Metode Pemetaan pada Kompresi Citra Real-Time Candra, Robby
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106993

Abstract

Konsep pengiriman informasi yang meliputi berbagai macam format data dengan proses yang cepat (real-time) semakin dibutuhkan untuk berbagai kebutuhan, hal ini harus didukung dengan infrastruktur yang memadai baik saluran komunikasi, perangkat keras maupun aplikasi yang digunakan. Guna mendukung konsep real-time diperlukan 2 komponen Random Access Memory (RAM) yang dapat menyimpan data sehingga tidak terdapat antrian data. Hal ini bertujuan agar proses scan dapat berlangsung dengan cepat karena proses penulisan dan pembacaan koefisien Discrete Cosine Transform (DCT) dapat dilakukan secara bersamaan di kedua RAM tersebut. Proses yang dilakukan yaitu pada siklus clock yang sama RAM 1 melakukan proses penulisan dan RAM 2 melakukan proses pembacaan, pada siklus clock berikutnya RAM 1 melakukan proses pembacaan dan RAM 2 melakukan proses penulisan, sehingga RAM 1 dan RAM 2 dapat bekeja secara paralel, yaitu melakukan proses penulisan dan pembacaan secara bersamaan agar proses scan koefisien DCT dapat berlangsung dengan cepat. Hasil perancangan prototipe IC RAM dan ROM menggunakan FPGA dapat diimplementasikan untuk proses kompresi citra secara real-time. AbstractThe concept of sending information which includes various data formats with fast (real-time) processing is increasingly needed for various needs, this must be supported by adequate infrastructure, both communication channels, hardware and applications used. In order to support the real-time concept, 2 components of Random Access Memory (RAM) are needed which can store data so that there is no data queue. It is intended that the scanning process can take place quickly because the process of writing and reading the Discrete Cosine Transform (DCT) coefficients can be done simultaneously in both RAMs. The process that is carried out is that in the same clock cycle RAM 1 carries out the writing process and RAM 2 performs the reading process, in the next clock cycle RAM 1 carries out the reading process and RAM 2 carries out the writing process, so RAM 1 and RAM 2 can work in parallel, i.e. the process of writing and reading simultaneously so that the DCT coefficient scan process can take place quickly. The results of the IC RAM and ROM prototype design using FPGA can be implemented for real-time image compression process.
Implementasi Machine Learning dalam Deteksi Risiko Tinggi Diabetes Melitus pada Kehamilan Pinandito, Aryo; Wicaksono, Satrio Agung; Wijoyo, Satrio Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107005

Abstract

Diabetes dalam kehamilan dapat meningkatkan berbagai risiko, baik pada maternal maupun neonatus. Adanya gangguan homeostasis glukosa dalam kehamilan dapat meningkatkan terjadinya malformasi kongenital, keguguran, risiko preeklampsia, Cepalo Pelvik Dispropotion (CPD), kelahiran prematur, kelainan letak, plasenta previa dan hipoglikemia neonatus. Oleh karena itu, diperlukan perhatian dan penanganan menyeluruh bagi ibu hamil yang menderita diabetes. Teknologi machine learning dapat dimanfaatkan dalam berbagai hal di bidang kesehatan. Salah satu dari pemanfaatan machine learning di bidang kesehatan adalah kemampuannya untuk mendeteksi risiko tinggi diabetus mellitus pada ibu hamil melalui berbagai data dan informasi seperti nama, usia, umur kehamilan, gravida, para, riwayat kehamilan, riwayat penyakit yang pernah diderita, faktor risiko, dan riwayat persalinan yang lalu. Proses persalinan ibu hamil dipengaruhi oleh faktor fisiologis dan faktor-faktor risiko lain yang dapat mempengaruhinya. Penelitian ini menggunakan dataset yang diperoleh dari data pemeriksaan ibu hamil di Puskesmas Lawang dari bulan Januari 2021 sampai dengan Agustus 2021 dan menggunakan16 atribut penting, yaitu: tanggal pengkajian, nama, tanggal HPHT, tanggal HPL, umur, GPA, usia kehamilan, KSPR, keterangan KSPR, IMT, kategori IMT, reduksi, albumin, hepatitis, HIV, dan IMS. Penelitian ini telah melakukan tahapan pengumpulan data, perancangan, implementasi, pengujian dan analisis data yang mengimplementasikan teknik machine learning K-Nearest Neighbor (KNN). Nilai akurasi tertinggi pada skenario pengujian pertama dengan atribut k=2 adalah 70.27%. Nilai akurasi tertinggi pada skenario pengujian kedua dengan k=3 adalah 75.68%. Nilai akurasi tertinggi pada skenario pengujian ketiga dengan k=4 adalah 78.38%. Sedangkan Nilai akurasi tertinggi pada skenario pengujian keempat dengan k=5 adalah 77.03%. Nilai akurasi tertinggi dicapai pada rasio sebesar 7:3 antara data latih dengan data testing. AbstractDiabetes in pregnancy can increase various risks, both maternal and neonatal. Disorders of glucose homeostasis in pregnancy can increase the occurrence of congenital malformations, miscarriage, risk of preeclampsia, Cepalo Pelvic Dispropotion (CPD), premature birth, malformations, placenta previa and neonatal hypoglycemia. Thorough attention and treatment is needed for pregnancy with diabetes. Machine learning technology can be used to detect the risk of diabetes mellitus in pregnancy. Several data such as name, age, gestational age, gravida, para, past pregnancy history, past medical history, risk factors, and past birth history were used in the risk detection. Delivery process in pregnancy is affected by the physiologic of prospective mother and several other risk factors.The dataset used in this study was 248 examination data of pregnancy check up at the Lawang Health Center from January 2021 to August 2021. The study used 16 attributes in determining the risk, i.e., date of assessment, name of mother, date of HPHT, date of HPL, age, GPA, gestational age, KSPR, KSPR information, BMI, BMI category, reduction, albumin, hepatitis, HIV, and STIs. This study has follow the implementation stages of data collection, design, implementation, testing and data analysis. The highest accuracy for the first test scenario with k=2 is 70.27%. The highest accuracy for the second test scenario with k=3 is 75.68%. The highest accuracy for the third test scenario with k=4 is 78.38%. While the highest accuracy for the fourth test scenario with k=5 is 77.03%. Highest accuracies were achieved with the distribution ratio of 7:3 between training and testing data.
Desain Penilaian Risiko Privasi pada Aplikasi Seluler Melalui Model Machine Learning Berbasis Ensemble Learning dan Multiple Application Attributes Zakariya, R. Ahmad Imanullah; Ramli, Kalamullah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024107029

Abstract

Aplikasi berbasis Android banyak dikembangkan dan tersedia secara bebas di berbagai sumber aplikasi karena sistem operasi Android yang bersifat open-source.  Namun, tidak semua penyedia aplikasi memberikan informasi detail mengenai aspek keamanan aplikasi, sehingga pengguna mengalami kesulitan untuk menilai dan memahami risiko keamanan privasi yang mereka hadapi. Pada penelitian ini kami mengusulkan desain penilaian risiko privasi melalui pendekatan analisis permission dan informasi atribut aplikasi. Kami menggunakan ensemble learning untuk mengatasi kelemahan dari penggunaan model klasifikasi tunggal. Penilaian likelihood dilakukan dengan mengombinasikan prediksi ensemble learning dan informasi multiple application attributes, sementara penilaian severity dilakukan dengan memanfaatkan jumlah dan karakteristik permission. Sebuah matriks risiko dibentuk untuk menghitung nilai risiko privasi aplikasi dan dataset CIC-AndMal2017 digunakan untuk mengevaluasi model ensemble learning dan desain penilaian risiko privasi. Hasil percobaan menunjukkan bahwa penerapan ensemble learning dengan algoritma klasifikasi Decision Tree (DT), K-Nearest Neighbor (KNN), dan Random Forest (RF) memiliki performa model yang lebih baik dibandingkan dengan menggunakan algoritma klasifikasi tunggal, dengan accuracy sebesar 95.2%, nilai precision 93.2%, nilai F1-score 92.4%, dan True Negative Rate (TNR) sebesar 97.6%. Serta, desain penilaian risiko mampu menilai aplikasi secara efektif dan objektif.  AbstractSince the Android operating system is open-source, many Android-based applications are developed and freely available in app stores. However, not all developers of applications supply detailed information about the app's security aspects, making it difficult for users to assess and understand the risk of privacy breaches they confront. We propose a privacy risk assessment design in this study using an analytical approach to app permissions and attribute information. We use ensemble learning to overcome the drawbacks of using a single classification model. The likelihood assessment is performed by combining ensemble learning predictions and information on multiple application attributes, while the severity assessment is performed by utilizing the number and characteristics of permissions. A risk matrix was created to calculate the value of application privacy risk, and the CIC-AndMal2017 dataset was used to evaluate the ensemble learning model and privacy risk assessment designs. The experimental results show that the application of ensemble learning with the Decision Tree (DT), K-Nearest Neighbor (KNN), and Random Forest (RF) classification algorithms provides better model performance compared to using a single classification algorithm, with an accuracy of 95.2%, a precision value of 93.2%, a F1-score of 92.4%, and a True Negative Rate (TNR) of 97.6%. In addition, the risk assessment design can to assess the application effectively and objectively. 
Analisis Faktor Transformasi Digital Pelayanan Publik Pemerintah Di Era Pandemi Sisilianingsih, Sari; Purwandari, Betty; Eitiveni, Imairi; Purwaningsih, Mardiana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107059

Abstract

Banyak perubahan yang terjadi dalam kehidupan masyarakat sebagai konsekuensi dari social distancing di era pandemi. Hal ini juga mempengaruhi cara pelayanan publik pemerintah kepada masyarakat yang ikut berubah akibat pembatasan sosial, di mana pelayanan tatap muka ditiadakan dan digantikan oleh layanan virtual dengan memanfaatkan teknologi informasi. Digital Government Transformation adalah teori yang digunakan dalam penelitian ini untuk melihat faktor pendorong dan penghambat proses transformasi digital khususnya pada pelayanan publik di masa pandemi. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang mendukung dan menghambat serta tantangan yang dialami Indonesia selama pandemi dalam digitalisasi pelayanan publik. Penelitian ini dianalisa menggunakan Structural Equation Modelling dengan pengambilan data melalui cross sectional survey pada 208 responden. Hasil penelitian dapat disimpulkan bahwa faktor yang mendorong keberhasilan proses digitalisasi pelayanan publik di masa pandemi adalah profesionalisme dalam melayani yang tergambar dari inovasi pelayanan publik, kemampuan sumber daya manusia, dan pengalaman kerja. Sementara itu, faktor penghambat dari perspektif organisasi dan budaya seperti kurangnya panduan kepemimpinan, kurangnya koordinasi antar divisi, kurangnya dukungan operasional, budaya yang menolak perubahan, dan birokrasi yang rumit belum terbukti secara signifikan mempengaruhi proses transformasi karena hambatan tersebut tidak dapat membendung transformasi digital pelayanan masyarakat ketika dihadapkan pada kondisi pandemi Covid-19 yang membutuhkan perubahan.AbstractMany changes have occurred in people’s lives as a consequence of social distancing in pandemic era. This also affects the way government public services to the community have changed due to social restrictions, where face-to-face services are abolished and replaced by virtual services by utilizing information technology. Digital Government Transformation is the theory used in this research to see the driving and inhibiting factors of the digital transformation process. This research investigates the factors that support and hinder along with the challenges experienced in Indonesia during the pandemic in the digitalization of public services. This study used a questionnaire survey and managed to collect 208 respondents. The results of the study can be concluded that the factors that drive the successful practice of public service’s digitalization during the pandemic are professionalism in serving which is depicted from public service innovations, human resource capabilities, and work experience. Meanwhile, the inhibiting factors from the organizational and cultural perspective as lack of leadership guidance, lack of coordination between divisions, lack of operational support, a culture that resists change, and complicated bureaucracy have not proven to significantly affect the transformation process because these obstacles cannot stem the digital transformation of public services when faced with the Covid-19 pandemic condition that requires change.
Pengembangan Sistem Manajemen Pelatihan Kerja di Kota Surakarta Agus Putra, Affriza Brilyan Relo Pambudi; Neyman, Shelvie Nidya; Rahmawan, Hendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024107167

Abstract

Program pelatihan kerja di Pemerintah Kota Surakarta yang ditawarkan oleh Dinas Tenaga Kerja, Dinas Pendidikan, Dinas Perdagangan, Dinas Pemberdayaan Perempuan, Perlindungan Anak dan Pemberdayaan Masyarakat dan Dinas UMKM Koperasi & Industri. Saat ini beberapa instansi pemerintah yang memiliki program pelatihan kerja yang sama masih menggunakan sistem konvensional. Data pengangguran diambil melalui dari Dinas Sosial Kota Surakarta dikirim melalui media sosial WhatshApp sehingga terjadinya tumpang tindih data pengangguran dan pelaksanaan pelatihan kerja. Instansi yang terlibat dalam program pelatihan kerja belum memiliki rencana strategis dan beberapa proses bisnis dilakukan secara manual. Melihat kondisi permasalahan tersebut maka dibutuhkan suatu perencanaan pengembangan sistem pada instansi pemerintah (dalam hal ini Dinas terkait) sistem informasi dianalisis dan dirancang dengan metode prototyping, merupakan bagian proses untuk membagikan program pelatihan kerja di setiap dinas terkait merealisasikan tujuannya. Untuk dapat menerapkan perencanaan yang mengintegrasikan dan menyinkronkan data menjadi sarana Pemerintah Kota Surakarta dapat mengelola sistem manajemen pelatihan kerja. Dari hasil penelitian ini melalui pengujian dengan metode black box untuk mengukur efisiensi, akurasi, validitas data dan kegunaan sistem manajemen pelatihan kerja untuk memastikan tidak terjadinya kembali tumpang tindih data. AbstractJob training programs in the Surakarta City Government are offered by the Department of Manpower, the Office of Education, the Office of Commerce, the Office for Women's Empowerment, Child Protection and Community Empowerment, and the Office for MSME, Cooperatives, and Industry. Several government agencies with the same job training program are still using the conventional system. The response data was taken through the Surakarta City Social Service and sent via WhatsApp social media so that there was an overlapping of the response data and the implementation of job training. The agencies involved in the job training program do not yet have a strategic plan and some business processes are carried out manually. Seeing the condition of the problem, it is necessary to have a system development plan for government agencies (in this case the related Office). Information systems are analyzed and designed using the prototyping method, which is part of the process for distributing job training programs in each Service related to utilization. To be able to implement planning that integrates and synchronizes data becomes a means for the Surakarta City Government to manage a job training management system. the results of this study through testing with the black box method for efficiency, accuracy, data validity, and the use of job training management systems to ensure data overlap does not occur again.

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