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 12 No 1: Februari 2025" : 25 Documents clear
Pemetaan Luasan Mangrove Menggunakan Algoritma Mangrove Vegetation Index (MVI) di Desa Kaliwlingi, Kabupaten Brebes, Jawa Tengah Farahdillah, Reyhanniza Ekka; Pasaribu, Riza Aitiando; Gaol, Jonson Lumban
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20251218219

Abstract

Berdasarkan penelitian sebelumnya, Pesisir Desa Kaliwlingi, Kabupaten Brebes mengalami abrasi sepanjang 7 km dengan luas 186 hektar atau 30% dari luas abrasi di Kabupaten Brebes. Hal tersebut diakibatkan oleh adanya konversi lahan mangrove menjadi tambak yang dapat merusak lahan pantai. Peningkatan abrasi setiap tahun mendorong masyarakat peduli lingkungan melakukan kegiatan konservasi lahan mangrove untuk mengurangi abrasi dan akresi, disepanjang pantai. Penelitian ini bertujuan untuk mengetahui nilai threshold yang memisahkan mangrove dengan non-mangrove dan luasan mangrove. Penelitian ini menggunakan data citra Sentinel-2A dan data lapang hasi survei. Data satelit diolah dan dianalisis menggunakan algoritma Mangrove Vegetation Index (MVI). Simple random sampling digunakan untuk menentukan pengambilan titik lapang yang digunakan sebagai acuan klasifikasi kelas mangrove dan non-mangrove dari citra satelit. Uji akurasi algoritma MVI menggunakan matriks konfusi, dan koefisien kappa. Hasil penelitian menunjukan jenis mangrove di sekitar 4 stasiun penelitian adalah Avicennia marina, Avicennia alba, dan Rhizophora mucronata. Hasil pemetaan menggunakan algoritma MVI menunjukkan nilai threshold MVI mangrove berkisar antara 2,3 hingga 19,54, sementara nilai non-mangrove adalah <2,3 dan >19,54. Luasan mangrove tahun 2022 sebesar 299,3 ha. Uji akurasi algoritma MVI menunjukkan hasil yang baik dengan akurasi keseluruhan sebesar 86,81% dan koefisien kappa sebesar 0,73.   Abstract Based on previous research, Kaliwlingi Village Coastal, Brebes Regency experienced abrasion along 7 km with an area of 186 hectares or 30% of the abrasion area in Brebes Regency. It happened due to the conversion of mangrove land into ponds that can damage coastal land. The increase in abrasion every year encourages people to care about the environment to carry out mangrove land conservation activities to reduce abrasion and accretion, along the coastal. This study aims to determine threshold value that separates class between mangroves and non-mangrove area, then estimate the changing area of mangrove. This study used Sentinel-2A imagery datas and survey field data. Satellite data processed and analyzed, was using the Mangrove Vegetation Index (MVI) algorithm. Simple random sampling used to determine the selection of field points used as a reference for classifying mangrove and non-mangrove classes from satellite images. Test the accuracy of the MVI algorithm used a fusion matrix, and a kappa coefficient. The results showed that the types of mangroves around 4 research stations were Avicennia marina, Avicennia alba, and Rhizophora mucronata. The mapping results used the MVI algorithm showed that the threshold value of mangrove MVI ranged from 2,30 to 19,54, while non-mangrove values were <2,30 and >19,54. The area of mangroves in 2022 has 299,3 ha. The MVI algorithm accuracy test showed good results with an overall accuracy was 86,81% and a kappa coefficient was 0,73.
Deep Learning dengan Teknik Early Stopping untuk Mendeteksi Malware pada Perangkat IoT Andika Surya, Iwang Moeslem; Cahyanto, Triawan Adi; Muharom, Lutfi Ali
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128267

Abstract

Perkembangan pesat teknologi, khususnya Internet of Things (IoT), telah memberikan dampak signifikan dalam berbagai sektor kehidupan manusia. IoT memungkinkan pertukaran data antar perangkat secara otomatis melalui jaringan internet, mengubah cara manusia berinteraksi dengan lingkungan sekitarnya. Meskipun IoT memberikan berbagai manfaat seperti kemudahan mengakses perangkat dari jarak jauh, kehadirannya juga membawa potensi bahaya terkait dengan keamanan siber, privasi, dan ketergantungan terhadap teknologi. Artikel ini membahas upaya untuk mengatasi ancaman keamanan siber pada ekosistem IoT dengan mengimplementasikan sistem deteksi berbasis klasifikasi malware. Pendekatan ini memanfaatkan teknik pembelajaran mesin, terutama deep learning, untuk mengidentifikasi dan memitigasi ancaman siber. Penggunaan Convolutional Neural Network (CNN) dalam klasifikasi dataset IoT-23 dengan teknik penyeimbangan data SMOTE (Synthetic Minority Oversampling Technique) serta fungsi Early Stopping menunjukkan hasil yang tinggi. Meskipun CNN awalnya dirancang untuk pengolahan gambar, algoritma ini juga efektif dalam mendeteksi pola kompleks pada data non-gambar seperti lalu lintas jaringan IoT karena kemampuannya dalam ekstraksi fitur hierarkis. Akurasi yang diperoleh pada dataset tidak seimbang adalah sebesar 99%, sedangkan pada dataset seimbang sebesar 75%. Presisi dan Recall yang diperoleh pada dataset tidak seimbang di kelas 0 adalah 100% dan 35%, sedangkan pada kelas 1 adalah 99% dan 100%. Pada dataset seimbang, presisi dan recall di kelas 0 adalah 67% dan 100%, sedangkan pada kelas 1 adalah 100% dan 51%.   Abstract The rapid development of technology, especially the Internet of Things (IoT), has significantly impacted various sectors of human life. IoT enables automatic data exchange between devices via the internet, changing how humans interact with their surroundings. Although IoT provides multiple benefits, such as ease of accessing devices remotely, its presence also brings potential dangers related to cybersecurity, privacy, and dependence on technology. This article discusses efforts to address cybersecurity threats in the IoT ecosystem by implementing a malware classification-based detection system. This approach utilizes machine learning techniques and intense learning to identify and mitigate cyber threats. The use of Convolutional Neural Network (CNN) in classifying the IoT-23 dataset with the SMOTE (Synthetic Minority Oversampling Technique) data balancing technique and the Early Stopping function shows high results. Although CNN was initially designed for image processing, this algorithm also effectively detects complex patterns in non-image data, such as IoT network traffic, due to its ability to extract hierarchical features. The accuracy obtained on the unbalanced dataset is 99%, while on the balanced dataset, it is 75%. The precision and recall obtained on the unbalanced dataset in class 0 are 100% and 35%, while in class 1 are 99% and 100%. In the balanced dataset, the precision and recall in class 0 are 67% and 100%, while in class 1 are 100% and 51%.
Analisis Kinerja Model Deteksi Objek Yolo, Ssd, dan Faster R-Cnn pada Citra Penglihatan Malam untuk Pengenalan Tindak Kejahatan Achmad, Hendriyawan; Pramudwiatmoko, Arif; Satrio Gumilang, Muhammad; Al Karim, Bahrul; Wiyono, Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128409

Abstract

Kejahatan klitih di wilayah Yogyakarta telah menimbulkan kekhawatiran serius bagi pemerintah dan masyarakat, sehingga mengancam keamanan dan kenyamanan publik. Dalam upaya penanganan permasalahan ini, penelitian ini mengajukan solusi implementasi teknologi keamanan yang berfokus pada kamera night vision dan machine learning guna mendeteksi kejahatan klitih dengan efektif, khususnya pada rentang waktu malam.  Data yang dikumpulkan untuk penelitian ini terdiri dari 1006 gambar yang direkam dari aksi kejahatan klitih. Proses pengolahan data melibatkan beberapa tahap, dimulai dengan preprocessing di mana seluruh gambar diubah ukurannya menjadi 640x640 piksel. Selanjutnya, dilakukan augmentasi data untuk meningkatkan variasi dan ketangguhan model, berupa rotasi sebesar 90°, crop dengan variasi zoom dari 0% hingga 20%, penambahan noise dilakukan hingga 5%.  Hasil penelitian menunjukkan bahwa model YOLOv6 memberikan kinerja terbaik dalam mendeteksi label senjata, dengan akurasi sebesar 0,9 dan F1-score mencapai 0,91. Sementara itu, dalam mengenali kejahatan fisik, YOLOv6 juga menunjukkan performa unggul dengan akurasi 0,63 dan F1-score 0,73. Model Faster R-CNN dan SSD juga memberikan hasil yang baik, namun YOLOv6 mempertahankan dominasi dalam deteksi kejahatan klitih berdasarkan akurasi dan evaluasi metrik lainnya. Pemanfaatan teknologi pendeteksian klitih di masa depan dapat memberikan kontribusi positif dalam menciptakan lingkungan yang lebih aman dan nyaman bagi seluruh masyarakat.   Abstract The prevalence of klitih criminal activity within the Yogyakarta region has engendered significant apprehension among governmental authorities and the public alike, thereby posing a substantial risk to community safety and well-being. In an effort to address this pressing concern, the present research advocates for the deployment of advanced security technologies, specifically emphasizing the utilization of night vision surveillance cameras in conjunction with machine learning algorithms to proficiently identify klitih-related offenses, particularly during nocturnal hours. The dataset utilized for this investigation comprises 1,006 photographic images obtained from various klitih crime occurrences. The data processing procedures encompassed multiple phases, commencing with preprocessing wherein all images were standardized to dimensions of 640x640 pixels. Subsequently, data augmentation techniques were employed to bolster the diversity and resilience of the model, incorporating transformations such as 90° rotations, cropping with zoom variations ranging from 0% to 20%, and the introduction of noise levels of up to 5%. The findings of this study indicate that the YOLOv6 model exhibited the most favorable performance in the detection of weapon classifications, achieving an accuracy rate of 0.9 and an F1-score of 0.91. Furthermore, in the context of identifying physical crimes, YOLOv6 similarly showcased outstanding efficacy, attaining an accuracy of 0.63 and an F1-score of 0.73. Although the Faster R-CNN and SSD models yielded commendable results, YOLOv6 sustained its preeminence in the realm of klitih crime detection, as evidenced by its superior accuracy and other evaluative metrics. The prospective implementation of klitih detection technology holds the potential to make a constructive impact in fostering a safer and more secure environment for the entire community.
Analisis Perbedaan Perfoma Penggunaan Lazygrid Dan Recyclerview Dalam Menampilkan Koleksi Data Muhammad Salman, Raditya; Aminul Akbar, Muhammad; Afirianto, Tri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128498

Abstract

Jetpack Compose adalah alat modern untuk membuat sebuah antarmuka pengguna aplikasi Android. Jetpack Compose dapat menyederhanakan dan mempercepat pengembangan antarmuka pengguna pada aplikasi Android. Namun, pada dokumentasi resmi developer.android.com belum dijelaskan apakah Jetpack Compose memiliki performa lebih baik dari XML. Penelitian ini dilakukan untuk mengetahui begaimana performa aplikasi yang menggunakan Jetpack Compose dan XML. Penelitian dilakukan pada kemampuan Jetpack Compose dan XML dalam menampilkan koleksi data, yaitu LazyGrid dan RecyclerView. Parameter yang digunakan untuk mengukur performa aplikasi tersebut adalah CPU utilization, memory usage, dan rendering time. Parameter CPU utilization dan memory usage digunakan karena perbedaan kode untuk membangun antarmuka pengguna. Perbedaan kode tersebut dapat mempengaruhi kinerja suatu aplikasi. Sedangkan parameter rendering time digunakan untuk mengetahui kecepatan aplikasi dalam menampilkan sebuah frame. Metode dari penelitian dimulai dengan merancang skenario pengujian, implementasi RecyclerView dan LazyGrid, pengambilan data, pengolahan data dan analisis hasil, kemudian menarik kesimpulan dari hasil penelitian. Dari penelitian ini didapatkan bahwa terdapat perbedaan signifikan pada performa aplikasi yang menggunakan RecyclerView dan LazyGrid kecuali pada memory usage dengan jumlah koleksi data 50. Aplikasi yang menggunakan RecyclerView unggul pada CPU utilization dan rendering time dengan jumlah koleksi data 20, 50, dan 100. Aplikasi yang menggunakan RecyclerView juga unggul pada memory usage dengan jumlah koleksi data 20 namun aplikasi yang menggunakan LazyGrid unggul dalam menampilkan jumlah koleksi data 50 dan 100.   Abstract Jetpack Compose is a modern tool dedicated for building Android apps user interface. Jetpack Compose simplifies and accelerate user interface development in Android apps. But in official documentation developer.android.com have not been told how Jetpack Compse and XML perfomances are. The research was done to the ability of Jetpack Compose and XML in showing data collection which are LazyGrid and RecyclerView. The parameters that had been used to measure the apps performances are CPU utilization, memory usage, and rendering time. CPU utilization and memory usage are used as parameters because of the code that are used for developing user interface are different. The code difference can affect how the Application works. Rendering time is used as a parameter to know how much time does it takes to complete a single frame. The methods of doing this research started by designing test scenarios, RecyclerView and LazyGrid implementation, collecting data, processing data and result analysis, and comclusion. From this research was achieved that a significant differences of performance on apps with RecyclerView and LazyGrid have found except in memory usage with 50 total of data collection. Apps wity RcyclerView was superior in CPU utilization and rendering time with 20, 50, and 100 total of data collection. Apps performance that using RecyclerView was also superior in memory usage with 20 total of data collection but apps that using LazyGrid was superior with 50 and 100 total of data collection.
Pengembangan Sistem Manajemen Sarana Dan Prasarana, IT, Serta Laboratorium Di SMK Telekomunikasi Putri Nabella; Rudy Herteno; Setyo Wahyu Saputro; Friska Abadi; Muhammad Itqan Mazdadi; Nabella, Putri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128649

Abstract

Bidang Sarana dan Prasarana, IT, serta Laboratorium di SMK Telekomunikasi menghadapi tantangan dalam pengelolaan data yang tersebar di berbagai file Microsoft Excel, menyebabkan kesulitan dalam pengumpulan laporan untuk audit dan sertifikasi. Penelitian ini bertujuan mengembangkan sistem manajemen terpadu menggunakan framework CodeIgniter 4, PHP, dan MySQL dengan metode Rational Unified Process (RUP) dan desain Unified Modelling Language (UML). Sistem ini dirancang untuk menyelaraskan pengelolaan data dan memfasilitasi penyajian informasi yang efisien. Hasil pengujian black box menunjukkan tingkat keberhasilan 100%, sementara user acceptance testing memperoleh skor 92% dengan predikat sangat baik. Implementasi sistem ini diharapkan meningkatkan efisiensi dan efektivitas manajemen sarana, prasarana, IT, dan laboratorium di SMK Telekomunikasi, memberikan kontribusi signifikan terhadap peningkatan kualitas pengelolaan dan kepuasan pengguna.   Abstract. The Facilities and Infrastructure, IT, and Laboratory Department at SMK Telekomunikasi faces challenges in managing data scattered across various Microsoft Excel files, resulting in difficulties in compiling reports for audits and certifications. This research aims to develop an integrated management system using the CodeIgniter 4 framework, PHP, and MySQL, employing the Rational Unified Process (RUP) methodology and Unified Modelling Language (UML) design. This system is designed to streamline data management and facilitate efficient information presentation. The results of the black box testing showed a success rate of 100%, while the user acceptance testing scored 92% with an excellent rating. The implementation of this system is expected to enhance the efficiency and effectiveness of managing facilities, infrastructure, IT, and laboratories at SMK Telekomunikasi, significantly contributing to improved management quality and user satisfaction.
Simulasi Pemodelan Jalur Semiparametrik Truncated Spline pada Kasus Perkembangan Cashless Society Pramaningrum, Dea Saraswati; Iriany, Atiek; Solimun; Budi Astuti, Ani; Haneinanda Junianto, Fachira; Fernandes, Adji
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128679

Abstract

Simulasi merupakan suatu proses merancang model matematis dari sistem yang nyata dengan cara melakukan percobaan terhadap model menggunakan komputer. Pada penelitian ini simulasi untuk memodelkan kasus perkembangan cashless society karena adanya keterbatasan ketersediaan data asli. Pemodelan simulasi dilakukan berdasarkan hasil analisis data asli yang menggunakan analisis jalur semiparametrik truncated spline. Data asli yang digunakan merupakan hasil kuesioner dengan responden sebanyak 100 nasabah bank pengguna m-banking. Perkembangan cashless society merupakan topik yang menarik untuk diteliti karena di Indonesia sendiri terdapat perubahan kebiasaan masyarakat dalam bertransaksi menggunakan non-tunai semenjak mewabahnya virus COVID-19. Hasil penelitian menunjukkan bahwa skenario model yang dapat dijadikan acuan untuk pengambilan keputusan terkait perkembangan cashless society adalah kombinasi model semiparametrik truncated spline berordo linier dengan dua titik knot di mana hanya terdapat satu hubungan nonparametrik pada model. Hasil penelitian dijadikan acuan oleh pemerintah terkhusus pihak bank untuk mendukung perkembangan cashless society.   Abstract Simulation is a process of designing a mathematical model of a real system by conducting experiments on the model using a computer. In this study, a simulation is used to model the case of the development of a cashless society due to the limited availability of original data. Simulation modeling was carried out based on the results of original data analysis using truncated spline semiparametric  path analysis.The original data used was the result of a questionnaire with respondents of 100 bank customers using m-banking. The development of a cashless society is an interesting topic to study because in Indonesia itself there has been a change in people's habits in transacting using non-cash since the outbreak of the COVID-19 virus. The results show that the model scenario that can be used as a reference for decision-making related to the development  of a cashless society is a combination of a semiparametric truncated spline model of a linear order with two knots where there is only one nonparametric relationship in the model. The results of the research are used as a reference by the government, especially the bank to support the development of a cashless society.
Analisa Waktu Respon pada Metode Pengukuran Jarak pada Sistem Informasi Geografi Purnomo, Agus; Hartono, Rudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128690

Abstract

Efisiensi waktu respon adalah kunci dalam penerapan sistem informasi geografi (GIS) di berbagai aplikasi, seperti navigasi, pemetaan, dan pencarian lokasi. Penelitian ini membandingkan efisiensi waktu respon antara formula euclidean, haversine, dan manhattan dalam melakukan pencarian data dengan variasi radius yang berbeda. Metodologi yang digunakan melibatkan pengumpulan dan analisis data yang dihasilkan dari implementasi ketiga formula tersebut dalam sistem GIS. Data yang dianalisis mencakup waktu yang dibutuhkan untuk menyelesaikan query pencarian data pada variasi radius yang berbeda. Analisis statistik mengungkapkan bahwa formula manhattan menghasilkan peningkatan efisiensi waktu sebesar 6.75% dibandingkan dengan euclidean, sementara haversine dan euclidean mengumpulkan 68.8% lebih banyak data dibandingkan dengan manhattan, menunjukkan karakteristik waktu respon yang berbeda tergantung pada radius yang digunakan. Ditemukan bahwa pilihan metode tergantung pada prioritas spesifik setiap aplikasi. Studi ini memberikan wawasan tentang keunggulan dan kelemahan masing-masing metode dalam konteks waktu respon pada GIS, memberikan informasi berharga untuk pengembangan aplikasi GIS, khususnya dalam pemilihan metode perhitungan jarak yang paling efektif sesuai dengan kebutuhan spesifik aplikasi.   Abstract Time respone efficiency is key in the implementation of Geographic Information Systems (GIS) across various applications such as navigation, mapping, and location search. This research compares the time respone efficiency of the euclidean, haversine, and manhattan formulas in conducting data searches across different radius variations. The methodology involves the collection and analysis of data generated from implementing these three formulas within a GIS. The data analyzed includes the time taken to complete data search queries across varying radii. Statistical analysis reveals that the manhattan formula achieves a 6.75% increase in time efficiency compared to euclidean, while haversine and euclidean collects 68.8% more data compared to manhattan, showing distinct time respone characteristics dependent on the radius used. It was found that the choice of method depends on the specific priorities of each application. This study provides insights into the advantages and disadvantages of each method in the context of time respone in GIS, offering valuable information for GIS application development, particularly in selecting the most effective distance calculation method according to the specific needs of the application.
Sistem Monitoring Terpadu untuk Kelompok Geriatri Menggunakan Fuzzy Mamdani Dan Deep Learning Tofik Isa, Indra Griha; Elfaladonna, Febie
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128717

Abstract

Geriatri merupakan salah satu kelompok rentan yang membutuhkan monitoring yang intensif untuk meningkatkan kualitas hidup dari kelompok geriatri itu sendiri. Implementasi kecerdasan buatan (AI) memberikan kemudahan bagi pengguna maupun kelompok geriatri. Di dalam penelitian ini dibangun sistem monitoring bagi kelompok geriatri berbasis parameter saturasi oksigen, detak jantung dalam satuan (beats per minute) (BPM) dan temperatur tubuh yang bertujuan untuk memudahkan dalam memonitoring geriatri melalui teknologi AI. Perangkat menggunakan sensor MAX30205 dan sensor MAX30102 yang diintegrasikan dengan mikrokontroler ESP32 sehingga dapat memonitor kondisi geriatri secara real-time. Implementasi pemodelan untuk mendeteksi kondisi geriatri apakah stabil atau tidak stabil menggunakan deep learning (DL) yang dikembangkan berbasis aturan fuzzy mamdani. Terdapat 10 model DL yang dikomparasi dengan arsitektur layer dan epoch yang berbeda, di mana menghasilkan akurasi tertinggi pada model 8 dengan persentasi akurasi 97,8% dan F1-score sebesar 0,98. Pengujian dilakukan dengan mengukur sensitifitas sistem terhadap pembacaan tiga parameter pada kelompok geriatri, di mana menghasilkan nilai MAPE sebesar 1,33% dan akurasi 98,67%. Sementara pengujian persepsi sistem melalui pemodelan DL yang terintegrasi dengan fuzzy mamdani terhadap data riil pada tiga parameter dilakukan dengan melibatkan 15 partisipan. Berdasarkan eksperimen tersebut, dihasilkan 14 pengujian yang menghasilkan data yang sesuai antara nilai aktual dan nilai hasil. Sehingga akurasi persepsi sistem terhadap kondisi stabilitas kelompok geriatri adalah 93,33%. Penelitian ini berkontribusi dalam meningkatkan kualitas hidup kelompok geriatri melalui implementasi monitoring yang terintegrasi dengan AI serta memiliki originalitas di mana sistem yang dibangun mengkombinasikan teknologi DL dengan teknik Fuzzy untuk menghasilkan akurasi data yang optimal.   Abstract Geriatrics represents one of the vulnerable communities that requires intensive monitoring to enhance the quality of life within the geriatric itself. The implementation of artificial intelligence (AI) provides convenience for both users and the geriatric population. In this study, a monitoring system based on oxygen saturation parameters, heart rate in beats per minute (BPM), and body temperature was developed for the geriatric and aims to monitor the geriatric by utilizing AI technology. The device utilizes MAX30205 and MAX30102 sensors integrated with the ESP32 microcontroller to monitor the geriatric condition in real-time. The implementation of modeling to detect whether the geriatric condition is stable or unstable uses deep learning (DL) developed based on Fuzzy Mamdani rules. There are 10 DL models compared with different layer architectures and epochs, resulting in the highest accuracy in model 8 with an accuracy rate of 97.8% and an F1-score of 0.98. Testing was conducted by measuring the system's sensitivity to readings of three parameters in the geriatric group, yielding a Mean Absolute Percentage Error (MAPE) value of 1.33% and an accuracy of 98.67%. Meanwhile, the perception testing of the system through DL modeling on real data for three parameters involved 15 participants. Based on these experiments, 14 tests were conducted, producing data consistent between actual and observed values. Thus, the system's accuracy in perceiving the stability of the geriatric group's condition is 93.33%. This study contributes to improving the quality of life of geriatric groups through implementing monitoring integrated with AI and has originality where the system combines DL technology with fuzzy techniques to gain optimal data accuracy.  
Kajian Data Mining untuk Klasifikasi Gender Menggunakan Data Wajah dengan Algoritma Naive Bayes dan K Nearest Neighbor (KNN) Fathah, Adittia; Juliane, Christina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128724

Abstract

Identifikasi gender saat ini lebih sulit dilakukan. Penyebabnya antara lain banyaknya klasifikasi gender, penggunaan identitas palsu di media sosial dan semakin maraknya foto palsu. Peristiwa nyata yang terjadi adalah banyaknya klasifikasi di negara Thailand yang memiliki 18 gender. Peristiwa lainnya adalah penambahan gender “X” pada aplikasi permohonan passport di Amerika dan beredarnya foto palsu yang diedit dengan aplikasi FaceApp. Kejadian tersebut menyebabkan perlunya membuat model yang bisa melakukan klasifikasi gender agar gender asli dari seseorang bisa diketahui. Penelitian dilakukan dengan mencari model yang bisa mengklasifikasikan gender. Caranya adalah dengan membandingkan hasil akurasi dua algoritma yaitu Naïve Bayes dan KNN (K Nearest Neighbor). Metode yang digunakan mengikuti tahapan dalam KDD (Knowledge Discovery in Database). Atribut yang dipakai adalah bagian-bagian pada wajah yaitu lebar dahi, lebar hidung, panjang hidung, bibir dan jarak hidung ke bibir. Akurasi kedua algoritma diuji dengan metode Cross Validation dan Confusion Matrix. Tujuan penelitian ini adalah memastikan apakah atribut wajah dapat digunakan untuk klasifikasi gender serta menentukan model yang lebih baik antara Naïve Bayes atau KNN. Hasil pengujian menunjukkan, kedua algoritma memiliki akurasi yang sangat baik. Namun algoritma Naïve Bayes memiliki nillai AUC yang lebih tinggi yaitu 0,996 dibanding algoritma KNN yang memiliki nilai AUC sebesar 0,992. Berdasarkan nilai tersebut, atribut bagian-bagian pada wajah yaitu lebar dahi, lebar hidung, panjang hidung, bibir dan jarak hidung ke bibir dapat digunakan untuk klasifiikasi gender, karena bisa menghasilkan akurasi yang baik. Namun, model Naïve Bayes lebih direkomendasikan karena nilai akurasinya lebih tinggi dan stabil. 
Pembuka Kunci Pintu Ruang Isolasi Mandiri Menggunakan Suhu Tubuh Dengan Notifikasi Foto Menggunakan Konsep IoT Candra, Robby; Elvantio, Zaidan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128759

Abstract

Kedisiplinan dan pengetahuan setiap warga dalam menjalani isolasi mandiri berbeda–beda ada  warga yang patuh terhadap protokol isolasi mandiri dan ada warga yang tidak peduli dengan kesehatan dirinya sendiri dan kesehatan orang lain. Banyaknya jumlah penderita COVID-19 khususnya penderita yang memiliki gejala ringan disarankan untuk menjalankan isolasi mandiri di rumah. Tujuan dari penelitian ini adalah merancang pembuka kunci pintu menggunakan suhu tubuh bagi pasien isolasi mandiri agar tidak bebas keluar dari ruang isolasi sehingga orang yang menjalani isolasi mandiri dapat tertib menjalankan prosedur isolasi mandiri. Pembuatan alat pembuka kunci pintu ruang isolasi mandiri ini menggunakan komponen elektronik utama yaitu Sensor Mlx yang digunakan untuk mendeteksi suhu tubuh pasien, Nodemcu yang berfungsi untuk memprogram sistem menjadi IoT yang tersambung ke solenoid doorlock. LCD digunakan untuk menampilkan output hasil pengukuran suhu tubuh. ESP32 Cam untuk mendeteksi objek dan hasilnya ditampilkan sebagai objek foto untuk mengetahui siapa yang mengakses kunci pintu ruang isolasi mandiri. Alat ini dapat mendeteksi suhu tubuh yang hasilnya dapat dilihat melalui smartphone, apabila suhu orang yang isolasi mandiri >37,5ºC maka solenoid doorlock akan mengunci sehingga orang tersebut tidak bebas keluar ruangan. Dengan menggunakan ESP32 Cam dapat diketahui siapa yang mengakses kunci pintu ruang isolasi mandiri yang ditampilkan dalam objek foto pada smartphone melalui aplikasi Blynk.   Abstract The discipline and knowledge of each resident in undergoing self-isolation is different, there are residents who comply with the self-isolation protocol and there are residents who don't care about their own health and the health of others. The large number of COVID-19 sufferers, especially sufferers who have mild symptoms, are advised to self-isolate at home. The aim of this research is to design a door lock opener using body temperature for self-isolated patients so that they are not free to leave the isolation room so that people undergoing self-isolation can carry out self-isolation procedures in an orderly manner. Making this self-isolation room door unlocking tool uses the main electronic components, namely the Mlx Sensor which is used to detect the patient's body temperature, Nodemcu which functions to program the system into IoT which is connected to the doorlock solenoid. The LCD is used to display the output of body temperature measurement results. ESP32 Cam to detect objects and the results are displayed as photo objects to find out who accessed the self-isolation room door lock. This tool can detect body temperature, the results of which can be seen via a smartphone. If the temperature of a person in self-isolation is >37.5ºC, the doorlock solenoid will lock so that the person is not free to leave the room. By using the ESP32 Cam, you can find out who accessed the door key to the self-isolation room which is displayed in the photo object on the smartphone via the Blynk application.

Page 1 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2025 2025


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