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 6: Desember 2023" : 25 Documents clear
Pengembangan Aplikasi Mobile Pengisian Daya Kendaraan Listrik Sesuai Standar OCPP 1.6 Rachmawan Atmaji Perdana; M. Nurkhoiri Hindratno; Tanzi M. Santoso; Topan Try Harmanda; Friyogi Resvy Mahda; Yahya Andreas Lapian; Monica Dwi W. S.; Dionysius Aldion Renata; Prasetyo Aji; Meidy Layooari; Kusnanda Supriatna; Rully Kusumajaya; Mohammad Hamdani
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231056647

Abstract

Makalah ini membahas tentang pengembangan aplikasi mobile untuk pengisian daya kendaraan listrik, yang diberi nama SONIKApp. SONIKApp digunakan untuk melakukan reservasi dan pengendalian pengisian daya secara remote. Fitur reservasi diperlukan mengingat pengisian daya baterai kendaraan listrik membutuhkan waktu tunggu serta masih terbatasnya stasiun pengisian kendaraan listrik umum (SPKLU) di Indonesia. Fitur pengisian daya berbasis remote juga merupakan fitur penting yang memungkinkan pengguna untuk mengendalikan proses pengisian daya kendaraan listrik. SONIKApp juga terhubung dengan sistem manajemen SPKLU berbasis standar OCPP 1.6 secara real-time sehingga data yang ada di aplikasi selalu merupakan data terkini. Aplikasi ini dikembangkan dengan kerangka kerja front-end React Native, sehingga dapat berjalan di atas sistem operasi Android dan iOS. Hasil yang diperoleh adalah terciptanya aplikasi mobile SONIKApp yang memudahkan pengguna dalam pengisian daya kendaraan listrik. Telah dilakukan pengujian SONIKApp untuk fitur reservasi dan pengisian daya secara remote berdasarkan OCPP 1.6, dan hasilnya adalah aplikasi SONIKApp telah berhasil mengimplementasikan fitur-fitur tersebut. Abstract This paper discusses the development of a mobile application for charging electric vehicles, which is named SONIKApp. SONIKApp is used to make reservations and control charging remotely. The reservation feature is required considering that charging electric vehicle batteries requires waiting time and there are still inadequate number of public electric vehicle charging stations (SPKLU) available in Indonesia. The remote-based charging feature is also an important that allows users to control the process of charging electric vehicles from the applications. SONIKApp is also connected in real-time to the SPKLU management system based on the OCPP 1.6 standard so that the data presented in the application is always up-to-date. This application is developed with the React Native front-end framework, so it can run on both Android and iOS operating systems. We have successfully created the SONIKApp mobile application which makes it easier for users to charge electric vehicles. SONIKApp has been tested for reservation and remote charging features based on OCPP 1.6, and the result is that the SONIKApp application has successfully implemented these features.  
Model Agile Scrum untuk Pengembangan Sistem Pencarian Dokumen Surat Digital Berbasis Konten Terklasifikasi dengan Ontologi Rifiana Arief; Suryarini Widodo; Ary Bima Kurniawan; Hustinawaty Hustinawaty; Faisal Arkan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1066817

Abstract

Berbagai lembaga pemerintah di Indonesia memodernisasi dokumen persuratan secara digital. Pada sistem pencarian yang ada saat ini, pengarsipan dengan melakukan pengunggahan dokumen hasil pindaian surat, pengklasifikasian surat dan penamaan file surat/pembuatan anotasi masih dilakukan secara manual oleh operator, pencarian masih berdasar nama file/anotasi surat belum berdasar isi konten sehingga sulit menemukan surat sesuai konten teks yang diinginkan. Hasil pencarian juga tidak dapat langsung memperlihatkan informasi spesifik tentang kriteria klasifikasi dari dokumen surat yang diketemukan sehingga membutuhkan penelusuran lebih lama untuk betul-betul menemukan dokumen yang diinginkan. Tujuan penelitian ini adalah mengembangkan sistem pencarian surat berbasis konten terklasifikasi dengan ontologi guna meningkatkan kualitas hasil pencarian surat digital secara lebih efisien (spesifik, akurat dan cepat). Metode pengembangan sistem menggunakan model Agile Scrum. Mencakup pre-game (mengumpulkan user stories, product backlog, sprint backlog), game (pengembangan (5 sprint)), post-game (implementasi, penerimaan pengguna dan dokumentasi). Hasil uji coba sistem terhadap dokumen surat Biro Umum Kemdikbud menunjukkan bahwa dalam pengarsipan surat, sistem ini berhasil mengklasifikasikan surat (jenis, asal dan subjek surat) menurut prosedur persuratan yang valid, secara otomatis dengan bantuan kecerdasan artifisial, dan dalam proses pencarian surat, sistem ini berhasil menemukan dokumen surat dengan berdasarkan nama file, konten, kriteria klasifikasi dan menampilkan informasi ontologis rinci yang ditemukan. Kedepannya, sistem ini juga dapat dikembangkan untuk digunakan oleh institusi lain dengan mengubah klasifikasi sesuai dengan prosedur persuratan yang berlaku.   Abstract Various government institutions in Indonesia have modernized digital correspondence documents. Archiving is done by uploading scanned letters, classifying letters, and naming mail files/annotations by the operator, searches are not based on content, so it is difficult to find letters that have the desired content, search results also cannot immediately show information of classification criteria of the found mailing documents, so it requires a longer search actually to find the desired document. Research objectives develop a classified content-based mail search system with ontology to improve the quality of electronic correspondence search results more efficiently. The system development method uses the Agile Scrum model. Includes pre-game (collecting user stories, product backlog, sprint backlog), game (development (5 sprints)), and post-game (implementation, user acceptance and documentation).The results of the system trial on the Ministry of Education and Culture's General Bureau of Letter Documents show that during the archiving of the letter, this system succeeded in classifying the letter (type, origin and subject of the letter) according to valid comprehension procedures, automatically with the assistance of artificial intelligence, and in the process of searching for letters, the system This managed to find a letter document based on the file name, content, classification criteria and display detailed ontological information found. In the future, this system can also be developed for use by other institutions by changing the classification in accordance with the comprehension procedures.
Penerapan Metode Extreme Programming pada Rancang Bangun Sistem Analisis Sentimen Portal Berita I Gede Bagus Premana Putra; Made Sudarma; Ida Bagus Gede Manuaba
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231056904

Abstract

Berita dalam bentuk portal online di era globalisasi menjadi suatu wadah yang dapat digunakan oleh setiap individu untuk menyampaikan informasi tentang seorang individu ataupun organisasi, yang didalamnya terdapat penyampaian nilai emosional pribadi, baik itu bersifat negatif, netral, ataupun positif (atau lebih dikenal dengan sentimen). Keberadaan berita tersebut menciptakan suatu peluang untuk pengembangan sistem analisis sentimen terdapat informasi yang telah disampaikan dalam portal berita. Sistem analisis sentimen tersebut dapat dikembangan dengan dengan berbagai teknik dan layanan, salah satunya adalah dengan mengintegrasikan antara sistem dan layanan Google NLP, yang telah memiliki service untuk menentukan score sentimen dari setiap kalimat yang diberikan, serta penerapan teknik web scrapping sebagai metode untuk pengambilan data. Sistem dikembangan dengan framework Laravel dengan metode pengembangan Extreme Programming yang mendukung pengembangan sistem dalam waktu singkat. Pemilihan website sebagai base sistem dengan tujuan agar sistem bisa diakses dari berbagai device baik itu mobile maupun desktop. Keberadaan sistem analisis sentimen bisa dijadikan sebagai alternatif solusi bagi individu dan organisasi untuk melakukan analisis sentimen, sehingga mampu membantu dalam proses pengambilan keputusan maupun evaluasi kinerja.   Abstract News of online portals in the era of globalization has become a forum can be used by every individual to convey information about individual or organization, in which there’s the delivery of personal emotional value, negative, neutral or positive (or better known as sentiment). The existence of news creates an opportunity for development of a sentiment analysis system based on information that has been submitted in the news portal. The sentiment analysis system can be developed using various techniques and services, one of which’s by integrating the Google NLP system and service, which already has a service to determine the sentiment score of each given sentence, as well as the application of a web scrapping techniques as a method for data collection. The system was developed using the Laravel framework with the Extreme Programming development method which supports system development in short time. Selection of the website as the base system with aim that can be accessed from various devices, both mobile and desktop. The existence of a sentiment analysis system can be used as an alternative solution for individuals and organizations to carry out sentiment analysis, so that it can assist in the decision-making a process and performance evaluation.
Efektifitas Metode Preference Selection Index (PSI) dalam Menentukan Penyaluran Dana Bantuan Sosial COVID-19 pada Kecamatan Mandau Teuku Radillah; Fauzansyah; Pulla Pandika Widodo; Hafiz Mursalan; Budi Permana Putra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067083

Abstract

COVID-19 merupakan pandemi global yang penyebarannya sangat cepat, termasuk di Indonesia. Untuk memulihkan perekonomian di tengah kondisi pandemi ini, pemerintah berupaya memberikan dana bantuan sosial (bansos) COVID-19 disetiap kecamatan di berbagai wilayah, termasuk Kecamatan Mandau di Kota Duri seperti bantuan bahan pokok makanan. Namun dalam pelaksanaannya terdapat kendala dalam penyaluran dana bantuan sosial tersebut karena data yang diterima oleh petugas kecamatan masih menggunakan sistem pencatatan manual sehingga pendataan penerima bantuan tidak akurat dan tidak memiliki acuan kriteria persyaratan sebagai penerima bantuan, yang menyebabkan penerima bantuan sosial tidak tepat sasaran. Dalam penelitian ini, untuk mengatasi masalah tersebut telah dirancang analisa perhitungan berbasis website dengan menggunakan metode Preference Selection Index (PSI) yang mampu mengklasifikasikan penerima bantuan sesuai kriteria yang diharapkan. Hasil dari penerapan metode PSI kedalam aplikasi berbasis web ini memberikan kemudahan bagi calon penerima bantuan untuk mendaftar  secara online, dan untuk proses penyaluran bantuan sosial menjadi lebih mudah, transparan, dan tepat sasaran. dengan kriteria data yang akurat dengan skala prioritas  pengurutan secara descending untuk nilai tertinggi yaitu 0.883, dan hasil nilai terendah atau non prioritas yaitu 0.322.   Abstract COVID-19 is a global pandemic with rapid spread, including in Indonesia. To restore the economy amid this pandemic, the government is trying to provide COVID-19 social assistance funds in every sub-district in various regions, including Mandau District in Duri City, such as assistance with staple foods. However, in practice there are obstacles in the distribution of social assistance funds because the data received by sub-district officials still uses a manual recording system so that the data collection on beneficiaries is inaccurate and does not have a reference to the eligibility criteria as beneficiaries, which causes social assistance recipients to be not on target. In this study, to overcome this problem a website-based calculation analysis has been designed using the Preference Selection Index (PSI) method that can classify the beneficiaries according to the expected criteria, and after this calculation analysis is implemented in this sub-district, the social assistance distribution process becomes easier and on target with accurate criteria.
Implementasi Algoritme Spongent sebagai Algoritme Hashing untuk Integritas pada Modul Komunikasi Lora Ari Kusyanti; I Putu Agrahita Wiguna; Fariz Andri Bakhtiar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067119

Abstract

Internet of Things (IoT) merupakan konsep terbaru dalam ranah teknologi dan informasi komunikasi dengan fondasinya berdasarkan pada pertukaran informasi antara objek-objek pintar. Komunikasi dalam lingkup IoT memiliki peran penting untuk saling terhubung dengan beberapa perangkat untuk mengirimkan pesan. Teknologi yang secara khusus menargetkan situasi di mana cakupan area yang luas dengan biaya penerapan yang rendah dan konsumsi daya yang rendah menggunakan frekuensi radio ialah LoRa. LoRa dioptimalkan untuk implementasi pada perangkat dengan sumber daya yang terbatas, namun pada penerapan IoT, keamanan data menjadi tantangan selain keterbatasan sumber daya. Pengamanan data dapat dilakukan dengan algoritme hashing seperti algoritme SPONGENT. Algoritme SPONGENT dipilih untuk menjamin integritas data. Berdasarkan hasil penelitian, algoritme SPONGENT telah berhasil diimplementasikan sebagai keamanan integritas data pada LoRa. Pengujian terhadap keamanan data dengan pengujian serangan aktif berhasil dilakukan karena ketika penyerang mengirimkan data yang sudah diubah, telah dilakukan pengecekan pada gateway dan data yang dihasilkan tidak valid. Algoritme SPONGENT menunjukkan kinerja yang lebih baik dari Algoritme QUARK berdasarkan kinerja waktu hashing.   Abstract The Internet of Things (IoT) is a recent concept in the realm of technology and information communication, built on the foundation of information exchange among smart objects. Communication within the scope of IoT has an important role to connect with multiple devices to send messages. Technology that specifically targets situations where large area coverage with low deployment costs and low power consumption use a radio frequency is LoRa. LoRa is optimized for implementation on limited resource devices, but in IoT deployment, data security becomes a challenge in addition to resource limitations. Data security can be done with hashing algorithms such as SPONGENT algorithm. The SPONGENT algorithm was chosen to ensure data integrity. Based on the research results, the SPONGENT algorithm has been successfully implemented as data integrity security in LoRa. Testing of data security with active attack testing is successful because when the attacker sends the modified data, it has been checked on the gateway node and the resulting data is invalid. SPONGENT algorithm shows better performance than QUARK algorithm based on hashing time performance.
Analisis Perilaku Entitas untuk Pendeteksian Serangan Internal Menggunakan Kombinasi Model Prediksi Memori dan Metode PCA Rahmat - Budiarto; Yanif Dwi Kuntjoro
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067123

Abstract

Tingkat ketahanan siber di Indonesia terhitung rendah dibanding dengan negara lain di dunia, terbukti dengan masih banyaknya kejahatan siber yang terjadi, seperti pencurian data dan identitas, penipuan dan peretasan situs-situs institusi pemerintah maupun swasta yang melibatkan peran  internal secara penuh maupun sebagian. Menangkis serangan dari luar jaringan institusi/organisasi relatif lebih mudah dilakukan dibandingkan dengan menangkis serangan kejahatan siber dari dalam jaringan. Serangan dari luar dapat dicegah menggunakan firewall, anti virus dan perangkat lunak khusus untuk pendeteksi penyusupan/malware. Penelitian ini bertujuan untuk membangun suatu model analisis perilaku entitas berazaskan Model Prediksi Memori (MPM) yang dikombinasikan dengan metode seleksi fitur principal component analysis (PCA) yang diimplementasikan untuk mendeteksi serangan/anomali siber yang melibatkan internal. Model prediksi memori yang terdiri dari 6 lapisan hirarki, mengenali masukan dari lapisan hirarki rendah ke lapisan hirarki tinggi kemudian dilakukan proses pencocokan dan menciptakan serangkaian ekspektasi dari lapisan hirarki tinggi ke rendah.. Setiap tingkat hierarki mengingat urutan pola masukan temporal yang sering diamati dan menghasilkan label atau 'nama' untuk urutan ini. Algoritma PCA diterapkan untuk mengurangi jumlah fitur trafik sehingga mempercepat proses deteksi, Data untuk percobaan diambil dari jaringan nyata dengan 150 pengguna dan data serangan flooding dari dataset MACCDC. Hasil eksperimen dalam suatu jaringan testbed menunjukkan hasil akurasi pendeteksian mencapai 94.01%, presisi 95.64%, Sensitivitas 99.28% dan F1-Score 96.08%. Model yang diusulkan (PCA-MPM) menunjukkan kemampuan menjalankan pembelajaran secara on-the-fly yang sangat diperlukan untuk mengenali perubahan fitur pada pola serangan yang sifatnya berevolusi dari waktu ke waktu. Pada gilirannya model ini dapat mendukung sistem pertahanan siber holistik yang sedang dikembangkan. Sistem yang sedang dikembangkan diharapkan dapat memenuhi kebutuhan dalam negeri akan teknologi siber untuk mengurangi ketergantungan dari negara lain karena dikembangkan secara lokal.   Abstract Compared to other countries in the world, the level of cyber resilience in Indonesia is low as evidenced by the number of cybercrimes that occur, such as data and identity theft, fraud, and hacking of websites of government and private institutions that involve full or partial insider roles. Fending off attacks from outside the institutional or organizational network is relatively easier than fending off cybercrime attacks from within the network. External attacks can be prevented using firewalls, anti-virus software, and special software for intruder and malware detection. This study intention is to build a model for analyzing entity behavior using a memory prediction model and uses the principal component analysis (PCA) as a feature selection method and implement it to detect cyber-attacks and anomalies involving insiders. The memory-prediction model recognizes bottom-up inputs that matched in hierarchy and evokes a series of top-down expectations. Each hierarchy level remembers frequently observed temporal sequences of input patterns and generates labels or 'names' for these sequences. To accelerate the detection process, the PCA algorithm is deployed to reduce the number of significant features of the traffic. Data for the experiment was taken from a real network with 150 users accessing the network. The experimental results in a testbed network show that the detection accuracy reaches 94.01%, the precision is 95.64%, the sensitivity is 99.28%, and the F1-score is 96.08%. The proposed model (PCA-MPM) is also capable of performing on-the-fly learning where this capability is needed to recognize feature changes in attacks that evolve over time. In turn, this model can support a holistic cyber defense system that is being developed. The system being developed is expected to meet the domestic need for cyber technology and reduce dependence on other countries as it is developed locally.
Penyeimbangan Kelas SMOTE dan Seleksi Fitur Ensemble Filter pada Support Vector Machine untuk Klasifikasi Penyakit Liver Muhammad Amir Nugraha; Muhammad Itqan Mazdadi; Andi Farmadi; Muliadi; Triando Hamonangan Saragih
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067234

Abstract

Liver merupakan salah satu organ penting dalam tubuh manusia yang berperan dalam proses metabolisme tubuh. Mengutip artikel dari situs American Liver Foundation, pada tahun 2020 sebanyak 51.642 orang dewasa di Amerika Serikat meninggal akibat penyakit liver. Data hasil tes fungsi liver dari laboratorium dapat digunakan untuk mendiagnosis penyakit liver. Klasifikasi penyakit liver pada pasien perlu dilakukan dengan baik karena hasilnya dapat membantu dalam diagnosis awal apakah seorang pasien mengidap penyakit liver. Berdasarkan penelitian sebelumnya, metode Support Vector Machine (SVM) paling baik dalam mengklasifikasikan pasien penyakit liver. Namun, SVM memiliki kelemahan ketika diterapkan pada dataset dengan kelas yang tidak seimbang dan tidak bekerja secara akurat ketika terlalu banyak fitur yang tidak relevan digunakan. Untuk menyeimbangkan kelas pada dataset, digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Sedangkan untuk seleksi fitur dilakukan menggunakan metode Ensemble Filter, terdiri dari metode Information Gain, Gain Ratio, dan Relief-F untuk menangani fitur-fitur tidak relevan. Berdasarkan hasil pengujian, penerapan SMOTE dan Ensemble Filter pada metode klasifikasi SVM memberikan hasil terbaik dengan nilai accuracy sebesar 85% dan AUC sebesar 0,850. Pengujian tersebut dapat membuktikan jika SMOTE pada penyeimbangan kelas dan Ensemble Filter pada seleksi fitur dapat meningkatkan performa klasifikasi dari metode SVM.    Abstract   The liver is one of the important organs in the human body that plays a role in the body's metabolic processes. Quoting an article from the American Liver Foundation website, in 2020, as many as 51,642 adults in the United States died from liver disease. Liver function test data from the laboratory can be used to diagnose liver disease. Classification of liver disease in patients needs to be done well because the results can help in the initial diagnosis of whether a patient has liver disease. Based on previous research, the Support Vector Machine (SVM) method best classifies liver disease patients. However, SVM has weaknesses when applied to datasets with unbalanced classes and does not work accurately when too many irrelevant features are used. To class-balance the dataset, the Synthetic Minority Oversampling Technique (SMOTE) method is used. Meanwhile, feature selection is performed using the Ensemble Filter method, which consists of Information Gain, Gain Ratio, and Relief-F methods to handle irrelevant features. Based on the test results, the application of SMOTE and Ensemble Filter in SVM classification gives the best results with an accuracy value of 85% and an AUC of 0.850. The test can prove if SMOTE on class balancing and Ensemble Filter on feature selection can improve the classification performance of the SVM method.
Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes Mutmainnah Samir; Purnawansyah; Herdianti Darwis; Fitriyani Umar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067309

Abstract

Daun herbal bermanfaat sebagai obat alternatif karena kandungan alaminya dapat menyembuhkan berbagai penyakit dan menjaga kesehatan tubuh. Klasifikasi citra daun herbal digunakan untuk membedakan jenis tanaman herbal berdasarkan bentuk daun. Penelitian ini Penelitian menggunakan Fourier Descriptor (FD) untuk mengekstraksi fitur pada daun herbal dan mengklasifikasikannya menggunakan metode Support Vector Machine (SVM) dan Naive Bayes (NB). SVM diimplementasikan dengan empat kernel yaitu Linear, polynomial, Radial Basis Function (RBF), dan sigmoid sementara Naive bayes diaplikasikan dengan tiga jenis kernel yaitu Gaussian, Multinomial, Bernoulli. Evaluasi kinerja menggunakan Precision, accuracy F1-Score dan Recall. Citra daun herbal terdiri dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa) dengan total 480 citra. Data tersebut dibagi menjadi 80% untuk training dan 20% untuk testing. Terdapat dua skenario pencahayaan yaitu kondisi gelap dan terang. Hasil penelitian menunjukkan bahwa perbandingan metode SVM dengan ekstraksi FD dimana kernel Linear mencapai akurasi sebesar 98% pada skenario gelap, sementara kernel Sigmoid memberikan akurasi terendah sebesar 44% pada scenario gelap maupun terang. Adapun hasil dari metode Naive bayes dengan ekstraksi FD pada kernel multinomial menghasilkan akurasi tertinggi sebesar 83% pada terang, sedangkan kernel Bernoulli memberikan akurasi terendah sebesar 46% pada skenario gelap dan terang. Berdasarkan perbandingan hasil klasifikasi dari kedua metode, disarankan bahwa metode SVM pada ekstraksi FD lebih direkomendasikan dalam proses klasifikasi daun herbal. Penelitian ini dapat memberikan rekomendasu pengembang sistem untuk menetapkan metode yang tepat dalam klasifikasi citra daun herbal.   Abstract Herbal leaves are beneficial as alternative medicine because their natural content can cure various diseases and maintain a healthy body. The classification of herbal leaf images is used to differentiate types of herbal plants based on leaf shapes. This study utilizes Fourier Descriptor (FD) to extract features from herbal leaves and classify them using the Support Vector Machine (SVM) and Naive Bayes (NB) methods. SVM is implemented with four kernels namely linear, polynomial, Radial Basis Function (RBF), and Sigmoid while Naive bayes is applied with three types of kernels namely Gaussian, multinomial, Bernoulli. Performance evaluation includes precision, accuracy, F1- score and recall. Herbal leaf images consist of leaves (Sauropus Androgynus) and moringa leaves with a total of 480 images. The data is divided into 80% for training and 20 % for testing. There are two lighting scenarios, namely dark and light conditions. The result of this study shows a comparison of the SVM method with FD extraction where the Linear kernel achieves the highest accuracy of 98% in dark scenarios, while the Sigmoid kernel provides the lowest accuracy of 44% in both dark and light scenarios. The result of the naïve bayes method with FD extraction on the Multinomial kernel yield the highest accuracy of 83% in light scenarios while the Bernoulli kernel provides the lowest accuracy 46% in both dark and light scenarios. Based on the comparison of the classification result of the two methods, it is suggested that the SVM method for FD extraction is more recommended in the herbal leaf classification process. This research can provide recommendation for system developers to determine the appropriate method for classifying herbal leaf images.  
Keamanan Data Menggunakan Secure Hashing Algorithm (SHA)-256 dan Rivest Shamir Adleman (RSA) pada Digital Signature Juniar Hutagalung; Puji Sari Ramadhan; Sarah Juliana Sihombing
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067319

Abstract

Penelitian ini mempelajari bagaimana kriptografi menggunakan Secure Hash Algorthm 256 (SHA-256) dan Rivest Shamir Adleman (RSA) untuk menjaga keaslian Surat Keterangan Lulus (SKL) dengan menggunakan kode Quick Response (QR) berbasis web. Salah satu fungsi utama SHA-256 adalah menerima input data M dalam bentuk apa pun dan menghasilkan nilai hash h(M). RSA, algoritma yang memiliki asimetri, kunci publik dan kunci privat. Ini adalah sistem kriptografi terpopuler yang digunakan untuk memberikan tanda tangan digital, kerahasiaan, dan kunci. Salah satu fitur utama sistem otentikasi dokumen adalah mencetak dan verifikasi dokumen, menghasilkan tanda tangan digital dan mengubahnya menjadi kode QR. Dengan menggunakan sistem otentikasi dokumen berbasis web, orang dapat memastikan bahwa dokumen yang telah ditandatangani atau dibubuhi dengan kode QR. Ini membantu menjaga keaslian dokumen agar orang lain tidak dapat menyalinnya. Untuk mencegah pemalsuan surat, integritas data, dan keabsahan data, isi dokumen yang dilindungi disandikan menggunakan algoritma kriptografi SHA-256 dan RSA. Data yang digunakan yaitu gabungan nama depan + nis siswa (ELIA + 18001). Hasilnya kemudian dimasukkan ke dalam dokumen ringkasan terenkripsi. Algoritma kriptografi untuk SKL berhasil digunakan. Setelah menggunakan metode SHA-256 dan RSA, hasil akhir adalah "09C6423CF09C9E61BC09B29966DE6CB569A7DE2C4349FA2B52F 08EF39D07140F". Hasil dekripsi sebanding dengan hash e-dokumen, sehingga dokumen yang diverifikasi dianggap sah.   Abstract    This research studies how cryptography uses the Secure Hash Algorthm 256 (SHA-256) and Rivest Shamir Adleman (RSA) to maintain the authenticity of the Pass Certificate (SKL) using a web-based Quick Response (QR) code. One of the main functions of SHA-256 is to accept M input data of any kind and output a hash value of h(M). RSA, an algorithm that has asymmetry, public key and private key. It is the most popular cryptographic system used to provide digital signatures, secrecy and keys. One of the main features of a document authentication system is printing and verifying documents, generating digital signatures and converting them into QR codes. By using a web-based document authentication system, people can ensure that documents have been signed or affixed with a QR code. This helps maintain the authenticity of documents so that others cannot copy them. To prevent letter forgery, data integrity, and data validity, the contents of protected documents are encoded using the SHA-256 and RSA cryptographic algorithms. The data used is a combination of the student's first name + nis (ELIA + 18001). The results are then entered into an encrypted summary document. The cryptographic algorithm for SKL was successfully used. After using the SHA-256 and RSA methods, the final result is "09C6423CF09C9E61BC09B29966DE6CB569A7DE2C4349FA2B52F 08EF39D07140F". The decryption result is comparable to the e-document hash, so the verified document is considered valid.
Penerapan Text Augmentation untuk Mengatasi Data yang Tidak Seimbang pada Klasifikasi Teks Berbahasa Indonesia Iftitah Athiyyah Rahma; Lya Hulliyyatus Suadaa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.1067325

Abstract

Klasifikasi teks merupakan salah satu tugas yang fundamental dalam natural language processing (NLP). Dalam dunia nyata, data dan sumber daya yang tersedia untuk pengklasifikasian teks terbatas. Salah satu kendala pada data berlabel yang digunakan yaitu imbalanced data atau data yang tidak seimbang. Permasalahan data yang tidak seimbang memengaruhi kinerja dan keakuratan model karena model hanya terfokus pada data dengan label mayoritas. Sementara itu, data berlabel minoritas cenderung diklasifikasikan tidak tepat oleh model, padahal untuk beberapa kasus kemampuan model untuk memprediksi data dengan label minoritas lebih penting. Untuk mengatasinya, penelitian ini melakukan pendekatan oversampling yaitu menambah data untuk menyeimbangkan dataset. Penerapan oversampling pada data teks dikenal dengan text augmentation. Pada penelitian ini dilakukan dua teknik text augmentation yaitu synonym replacement dan back translation pada beberapa kondisi ketidakseimbangan dan skenario augmentasi terhadap dua dataset. Berdasarkan hasil eksperimen, augmentasi mampu meningkatkan skor F1 label minoritas. Augmentasi lebih signifikan dalam dataset kecil dan kondisi ketidakeimbangan yang parah. Hasil dari teknik back translation lebih baik dibandingkan dengan teknik synonym replacement. Selain itu, hasil penelitian menunjukkan bahwa skenario jumlah augmentasi juga berpengaruh terhadap kenaikan skor F1. Semakin banyak jumlah data augmentasi belum tentu memberikan hasil yang semakin baik karena terindikasi overfitting pada data latih. Kata-kata yang tidak normal atau tidak baku pada dataset teks informal memengaruhi proses augmentasi sehingga hasil teks sintetis yang diperoleh tidak sebaik pada dataset teks formal.   Abstract Text classification is one of the fundamental tasks in natural language processing (NLP). However, data and resources for text classification are limited in actual application. One of the constraints on the dataset for text classification is imbalanced data, or the condition when one label has more data than the others. Imbalanced data affects the performance and accuracy of the model because the model only focuses on the majority label data. Meanwhile, the minority label data tends to be classified incorrectly by the model, even though, in some cases, the model's ability to predict data with minority labels is more important. To solve this problem, this research uses an oversampling approach to augment data and balance the dataset. The application of oversampling text data is known as text augmentation. This research uses two text augmentation techniques, synonym replacement and back translation, applied to several imbalance conditions and augmentation scenarios for two datasets. Based on experimental results, augmentation can increase the F1 score of the minority class. Augmentation is more significant in small datasets and severe imbalance conditions. The results of the back translation technique are better than synonym replacement. In addition, this study's results show that the number of augmentation scenarios affects an increase in F1-score. However, increasing the augmentation data cannot ensure the results are getting better. Furthermore, words that are not normal in informal text datasets affect the augmentation process, so the results of synthetic text are better than the formal text dataset.

Page 1 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 (2015) Vol 2 No 2: Oktober 2015 Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1 No 2: Oktober 2014 Vol 1, No 2 (2014) Vol 1 No 1: April 2014 Vol 1, No 1 (2014) More Issue