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
Genetic Fuzzy System untuk Klasifikasi Tutupan Lahan Berdasarkan Foto Udara Unmanned Aerial Vehicle (UAV) Setiawan, Budi Darma; Rusydi, Alfi Nur
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.2023107554

Abstract

Pengamatan terhadap tata letak sebuah wilayah, terutama wilayah berpenduduk, penting dilakukan untuk mengetahui perkembangan dan perubahan yang terjadi. Salah satu pendekatan yang dapat digunakan untuk pengamatan perkembangan suatu wilayah dari waktu ke waktu adalah dengan dengan melihat perubahan tutupan lahan (land cover) secara spasial dengan menggunakan citra foto udara. Foto udara yang mencakup sebuah wilayah dianalisis dengan mengelompokan jenis tutupan lahan atau dikenal dengan land cover classification (klasifikasi tutupan lahan). Metode klasifikasi yang digunakan adalah dengan genetic fuzzy system, yaitu metode klasifikasi dengan menggunakan sistem fuzzy yang aturannya dan fungsi keanggotaannya dioptimasi dengan menggunakan algoritma genetika. Proses metode ini terdiri dari dua tahap yaitu training process, untuk mencari aturan fuzzy yang baik, dan kemudian dilanjutkan dengan tuning process, yaitu proses untuk menggeser batasan nilai pada fungsi keanggotaan himpunan fuzzy yang digunakan. Input program ini adalah nilai red (R), green (G), dan blue (B) dari tiap pixel di dalam citra, dan outputnya adalah kelas pixel yang dikelompokkan (tanah, air, vegetasi, bangunan, dan jalan). Hasil penelitian menunjukkan bahwa nilai fitness tertinggi yang diperoleh adalah hingga 0.84 atau 84%.   Abstract Observation of the layout of an area, especially populated areas, is important to monitor what has been changed during the time period. To observe the development of an area from time to time, one approach that can be done is to observe land cover changes from above. Aerial imagery of an area is analyzed by grouping some subareas based on their land cover types or known as land cover classification. This study proposed the genetic fuzzy system to classify each pixel in the image. The genetic fuzzy system is a classification method using a fuzzy system whose membership function is optimized using a genetic algorithm. The process consists of two stages, namely the training process, to find good fuzzy rules, and then proceed with tuning processes, namely the process of shifting the value constraints on the membership function of the fuzzy set used. The input of this program is the red (R), green (G), and blue (B) values of each pixel in the image, and the output is the class in which the pixels are grouped (soil, water, vegetation, buildings, and roads). From the experimental results, the highest fitness value was obtained up to 0.84 or 84%.
Pengembangan Knowledge Management System Ukiran Kayu Khas Bali Berbasis Artificial Intelligence Restu Indrawan Prabawa, I Putu; Wardhana, Ariq Cahya
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.2023107576

Abstract

Seni ukir kayu Bali adalah hasil karya dari para seniman ukir kayu asli Bali yang memiliki bakat luar biasa dalam beberapa dekade. Mereka bekerja dengan konsisten dan penuh dedikasi untuk menciptakan karya yang terbaik dan berkualitas tinggi. Selain itu, mereka selalu menyertakan filosofi spiritual yang mendalam dalam hasil karyanya. Begeh Ukir adalah UKM yang bergerak dalam industri seni ukiran Bali yang telah berdiri sejak tahun 2000. Produk utama yang disediakan adalah sanggah, yang secara harfiah berarti tempat ibadah. Kepercayaan Hindu percaya bahwa roh nenek moyang keluarga mendiami sanggah, di mana mereka ditempatkan di dalam sudut sakral atau di area kosong rumah. Dalam memfasilitasi dan meningkatkan pemahaman manajemen sumber daya manusia yang tergabung  ke  dalam UKM Begeh Ukir melalui KMS yang bertujuan agar pengetahuan bisa dapat berlanjut pada generasi penerusnya. Pengetahuan yang disimpan pada KMS berhasil dipetakan dalam bentuk Knowledge Mapping yang terdiri dari sanggah, bale, bahan dan filosofi. Metode KMSLC diterapkan pada pengembangan KMS berhasil mengembangkan chatbot AI berbasis NLP dengan presentase kebenaran knowledge yang dihasillkan sebesar 75%.   Kata kunci: Artificial Intelligence, Knowledge Management System, Website, Ukiran Bali   Abstract Balinese wood carving art is the work of original Balinese wood carving artists who have extraordinary talent in decades. They work with full consistency and dedication to create the best and highest quality work. In addition, they always include a deep spiritual philosophy in their work. Begeh Ukir is an UKM engaged in the Balinese carving art industry which has been established since 2000. The main product provided is sanggah, which literally means a place of worship. Hindu beliefs believe that the spirits of the family's ancestors inhabit sanggah, where they are placed in sacred corners or in empty areas of the house. In facilitating and increasing understanding of human resource management who are members of the Begeh Carving UKM through KMS which aims so that knowledge can continue in the next generation. The knowledge stored in the KMS has been successfully mapped in the form of Knowledge Mapping which consists of objections, bale, materials and philosophy. The KMSLC method applied to the development of KMS succeeded in developing an NLP-based AI chatbot with a percentage of truth of the knowledge generated by 75%.
Klasifikasi Tenun Timor Menggunakan Metode SVM Berdasarkan Speeded Up Robust Features Kelen, Yoseph P.K.; Baso, Budiman
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.2023107625

Abstract

Penelitian ini dilakukan sebagai upaya untuk melestarikan kain tenun Timor di bidang teknologi informasi, kususnya bidang pengolahan citra digital, yaitu pengenalan pola yang merupakan solusi untuk mengenali citra tenun secara otomatis. Dalam penelitian ini, klasifikasi citra tenun Timor mengaplikasikan metode SURF (Speeded Up Robust Feature) sebagai ekstraksi fitur dengan representasi BoVW (Bag of Visual Words) sedangkan SVM (Support Vector Machine) digunakan sebagai metode classifier. Agar kinerja BoVW lebih baik, digunakan pendekatan untuk menentukan jumlah cluster yang tepat untuk mengelompokkan pola visual words. Penentuan parameter algoritma klasifikasi SVM dilakukan adalah kernel dan metode multi class SVM yang digunakan. Data citra tenun Timor digunakan sebanyak 420 dengan 7 kelas motif citra akan dibagi menjadi data latih dan data uji menggunakan 5-fold cross validation. Berdasarkan hasil percobaan yang dilakukan, diperoleh hasil yang berbeda pada pengujian nilai cluster dan parameter SVM yang digunakan. Pada visual words dengan nilai cluster 500 dengan algoritma klasifikasi multi class SVM yaitu metode OVO (One Versus All) menggunakan kernel linear memperoleh hasil terbaik pada penelitian ini dengan tigkat Accuracy mencapai 98,10%. Dari hasil penelitian ini didapatkan metode untuk klasifikasi citra motif tenun Timor yang lebih akurat.   Abstract This research was conducted as an effort to preserve Timor woven fabrics in the field of information technology, especially in the field of digital image processing, namely pattern recognition which is a solution to recognize weaving images automatically. In this study, the classification of Timorese woven images applies the SURF (Speeded Up Robust Feature) method as feature extraction with BoVW (Bag of Visual Words) representation while SVM (Support Vector Machine) is used as a classifier method. For better BoVW performance, an approach is used to determine the right number of clusters to group visual words patterns. Parameters for the SVM classification algorithm are determined using the kernel and the SVM multi-class method used. 420 Timorese weaving image data are used with 7 classes of image motifs which will be divided into training data and test data using 5-fold cross validation. Based on the results of the experiments conducted, different results were obtained in testing the cluster values and SVM parameters used. In visual words with a cluster value of 500 with the SVM multi-class classification algorithm, namely the OVO (One Versus All) method using a linear kernel, the best results were obtained in this study with an accuracy level of 98.10%. From the results of this study, a more accurate method for classifying images of Timorese woven motifs was obtained.%.
Pengembangan Gim Simulasi Kehidupan untuk Peningkatan Literasi Grafik Menggunakan Framework DPE Silitonga, Erico; Muhammad Adams Jonemaro , Eriq; Aminul Akbar, Muhammad
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.2023107643

Abstract

Literasi grafik merupakan kemampuan untuk memahami dan menginterpretasikan informasi yang ditampilkan dalam bentuk grafik. Berdasarkan survei yang dilakukan oleh Tiro pada 155 mahasiswa di Universitas Negeri Makassar, didapatkan bahwa tingkat pemahaman konsep tabel dan grafik hanya sebesar 43%, selain itu, terdapat juga riset yang dilakukan oleh Mustain pada 59 murid yang duduk di bangku kelas 8 SMP, pada risetnya, didapatkan bahwa kurang dari 15% dari 59 murid tersebut memiliki nilai yang cukup untuk mendapatkan nilai Kriteria Ketuntasan Minimal dalam pembelajaran grafik. Hal ini terbilang mengkhawatirkan karena kemampuan untuk menginterpretasikan data dari membaca grafik merupakan kemampuan yang sangat penting dimiliki. Solusi yang ditawarkan pada penelitian ini adalah sebuah alternatif pembelajaran grafik menggunakan gim serius sebagai sumber pembelajaran. Pengembangan gim serius akan menggunakan kerangka kerja DPE pada proses desainnya. Pada penelitian ini akan dilakukan dua pengujian, yaitu pengujian black box, dan juga uji kompetensi pre-test dan post-test. Hasil dari pengujian black box menunjukan 100% valid pada pengujiannya, sehingga sistem terbukti dapat berjalan dengan baik. Dari pengujian uji kompetensi juga dapat dilihat peningkatan rata-rata nilai dari 70.657 menjadi 81.090, hasil ini membuktikan bahwa gim simulasi kehidupan dapat dijadikan sarana pembelajaran alternatif untuk grafik.   Abstract  Graphic literacy is the ability to understand and interpret information presented in graphical form. Based on a survey conducted by Tiro on 155 students at Makassar State University, it was found that the level of understanding of the concept of tables and graphs was only 43%, besides that, there was also research conducted by Mustain on 59 students who were in grade 8 junior high school, in his research, it was found that less than 15% of the 59 students had sufficient scores to get the Minimum Mastery Criteria score in learning graphics. This is somewhat worrying because the ability to interpret data from reading charts is a very important ability to have. The solution offered in this study is an alternative to graphic learning using serious games as a learning resource. Serious game development will use the DPE framework in their design process. In this study, two tests will be carried out, namely black box testing, as well as pre-test and post-test competency tests. The results of the black box testing show 100% valid in the test, so the system is proven to work properly. From the competency tests it can also be seen that the average score has increased from 70,657 to 81,090. These results prove that life simulation games can be used as an alternative learning tool for graphics.
Implementasi Self Organizing Maps untuk Pengelompokan Kabupaten/Kota Berdasarkan Indeks Pembangunan Manusia Midyanti, Dwi Marisa; Bahri, Syamsul
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.2023107647

Abstract

Indeks Pembangunan Manusia (IPM) merupakan indikator untuk mengukur keberhasilan dalam membangun kualitas hidup manusia. Di tahun 2022, empat indikator IPM berubah menjadi Umur Harapan Hidup Saat Lahir (UHH), Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Kapita Pertahun. Namun empat indikator tersebut dianggap sebagian pihak kurang mewakili pembangunan. Penelitian ini bertujuan untuk melakukan pengelompokan IPM Kalimantan Barat dengan adanya penambahan variabel kepadatan penduduk, jumlah guru dan murid, dan jumlah pengangguran menggunakan Self Organizing Maps (SOM). Metode SOM dipilih karena memiliki kelebihan untuk memetakan data berdimensi tinggi kedalam bentuk peta berdimensi rendah. Selain itu digunakan normalisasi Min-Max normalization Benefit dan cost agar normalisasi sesuai dengan kriteria setiap variabel. Hasil penelitian ini menunjukkan bahwa, dengan menggunakan learning rate 0.001, maksimum iterasi 1100, dihasilkan sejumlah 4 cluster dengan nilai Silhouette Coefficients sebesar 0.331611 untuk penambahan variabel kepadatan penduduk, 0.290092 untuk penambahan variabel jumlah guru dan murid, 0.298582 untuk penambahan variabel jumlah pengangguran , dan 0.273734 untuk adanya penambahan variabel kepadatan penduduk, jumlah guru dan murid, dan jumlah pengangguran. Profiling cluster menghasilkan karakteristik dan anggota cluster yang berbeda di setiap penambahan variabel.   Abstract The Human Development Index (IPM) is an indicator to measure success in building the quality of human life. In 2022, the four HDI indicators changed to Life Expectancy at Birth (UHH), Years of School Expectation (HLS), Average Years of Schooling (RLS), and Annual Capita Spending. However, some consider the four indicators to be less representative of development. This study aims to carry out the West Kalimantan IPM cluster by adding population density variables, the number of teachers and students, and the number of unemployed using Self Organizing Maps (SOM). The SOM method was chosen because it has the advantage of mapping high-dimensional data into low-dimensional maps. Besides that, Min-Max normalization Benefit and cost normalization are used so that normalization is in accordance with the criteria for each variable. The results of this study indicate that using a learning rate of 0.001, maximum iteration of 1100, a total of 4 clusters are produced with Silhouette Coefficients values of 0.331611 for the addition of the population density variable, 0.290092 for the addition of the number of teachers and students variable, 0.298582 for the addition of the number of unemployed variables, and 0.273734 for the addition of the variable population density, number of teachers and students, and number of unemployed. Cluster profiling produces different characteristics and cluster members in each variable addition.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue 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