cover
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
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.
Articles 24 Documents
Search results for , issue "Vol 12 No 2: April 2025" : 24 Documents clear
Aplikasi Metode Lean User Experience dan System Usability Scale pada Analisis, Perancangan, dan Evaluasi Antarmuka Aplikasi Mobile Marthasari, Gita Indah; Praadita, Firman Noor; Wiyono, Briansyah Setyo
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125762

Abstract

Sistem i-Lab merupakan aplikasi berbasis web untuk mendukung pelaksanaan praktikum di Departement Informatika Universitas Muhammadiyah Malang (UMM). Namun, sistem berbasis web yang saat ini digunakan dianggap belum memenuhi kebutuhan sebagian besar pengguna yang lebih sering menggunakan mobile phone. Berdasarkan survey awal, aplikasi mobile i-Lab diharapkan memiliki tampilan yang menarik dan user experience yang memuaskan. Oleh karena itu, tujuan penelitian ini adalah merancang antarmuka pengguna pada aplikasi iLab mobile menggunakan pendekatan Lean User Experience (Lean UX). Lean UX dianggap lebih sesuai dan efisien dalam proses perancangan user interface perangkat lunak dengan penggunaan sumber daya minimum. Dalam penelitian ini metode Lean UX diterapkan dalam dua iterasi dimana setiap iterasi terdiri dari tiga tahap: yaitu think (analisis), design (membuat MVP), dan test (pengujian dan analisis feedback). Evaluasi dilakukan pada tiap iterasi dalam Lean UX untuk mengetahui tingkat usability sesuai dengan perpektif pengguna. Hasil perancangan dievaluasi menggunakan System Usability Scale (SUS) dengan responden yang merupakan pengguna aplikasi. Berdasarkan pengujian, rancangan Skor akhir mendapatkan nilai “B” (rentang 80-85) dengan skor 81,75 yang termasuk dalam kategori tingkat acceptability range “Good” dan adjective rating “Excellent”.   Abstract The i-Lab system is a web-based application to support the implementation of practicum at the Department of Informatics, University of Muhammadiyah Malang (UMM). However, the web-based system currently used is considered not to meet the needs of most users who use mobile phones more often. Based on the initial survey, the i-Lab mobile application is expected to have an attractive appearance and a satisfying user experience. Therefore, the purpose of this research is to design a user interface on the iLab mobile application using a Lean User Experience (Lean UX) approach. Lean UX is considered to be more suitable and efficient in the process of designing user interface software with minimum resource usage. In this study, the Lean UX method is applied in two iterations where each iteration consists of three stages: think (analysis), design (make MVP), and test (test and analyze feedback). Evaluation is carried out at each iteration in Lean UX to determine the level of usability according to the user's perspective. The results of the design are evaluated using the System Usability Scale (SUS) with respondents who are application users. Based on the test, the final score design got a score of "B" (range 80-85) with a score of 81.75 which was included in the acceptability range category "Good" and the adjective rating "Excelent".
Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus : Jconnect Mobile) Putra, Alland Rifqy; Ratnawati, Dian Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025127556

Abstract

JConnect Mobile merupakan salah satu aplikasi mobile banking di Indonesia yang dikembangkan oleh Bank Jatim. Hasil pengamatan pada ulasan playstore menunjukkan masih terdapat keluhan pengguna terkait aplikasi JConnect Mobile. Ulasan dari pengguna dapat dimanfaatkan sebagai sumber untuk melakukan peningkatan aplikasi. Salah satu cara untuk melakukan analisis pada ulasan pengguna yaitu dengan analisis sentimen. Penelitian ini melakukan analisis sentimen berbasis aspek untuk mengidentifikasi sentimen positif dan negatif pada ulasan pengguna. Data yang digunakan dalam penelitian ini adalah ulasan pengguna terhadap aplikasi JConnect Mobile di playstore. Aspek yang digunakan yaitu tampilan, fitur dan performa, layanan. Metode yang digunakan dalam penelitian ini yaitu pengumpulan data, pelabelan data, preprocessing teks, klasifikasi dan pengujian, analisis hasil. Klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil dari analisis sentimen dilakukan Root Cause Analysis (RCA) untuk mengetahui akar permasalahan dari sentimen negatif. Hasil pengujian algoritma Naïve Bayes pada seluruh data didapatkan akurasi sebesar 93.1%, presisi 93.2%, recall 93.1%, dan f1-score 93.1%. Hasil RCA menemukan lima permasalahan utama yang dapat ditingkatkan dari aplikasi. Berdasarkan hasil RCA kemudian dilakukan penyusunan rekomendasi untuk dapat meningkatkan kualitas layanan dari aplikasi. Hasil penelitian ini menghasilkan rekomendasi yang telah diserahkan kepada pihak Bank Jatim sebagai bahan evaluasi dan perbaikan dalam aspek tampilan, fitur, performa, dan layanan aplikasi untuk meningkatkan kepuasan pengguna.   Abstract JConnect Mobile is one of the mobile banking applications in Indonesia developed by Bank Jatim. Observations on playstore reviews show that there are still user complaints regarding the JConnect Mobile application. Reviews from users can be utilized as a source for making application improvements. One way to analyze user reviews is with sentiment analysis. This research conducts aspect-based sentiment analysis to identify positive and negative sentiments in user reviews. The data used in this study are user reviews of the JConnect Mobile application in PlayStore. The aspects used are appearance, features and performance, service. The methods used in this research are data collection, data labeling, text preprocessing, classification and testing, result analysis. Classification is done using the Naïve Bayes algorithm and Term Frequency-Inverse Document Frequency (TF-IDF) weighting. The results of sentiment analysis are carried out Root Cause Analysis (RCA) to find out the root causes of negative sentiment. The results of testing the Naïve Bayes algorithm on all data obtained an accuracy of 93.1%, precision of 93.2%, recall of 93.1%, and f1-score of 93.1%. The RCA results found five main problems that can be improved from the application. Based on the RCA results, recommendations are made to improve the service quality of the application. The results of this study resulted in recommendations that have been submitted to the Bank Jatim as evaluation and improvement materials in the aspects of appearance, features, performance, and application services to increase user satisfaction.
Penerapan Feature Engineering dan Hyperparameter Tuning untuk Meningkatkan Akurasi Model Random Forest pada Klasifikasi Risiko Kredit Nur Fauzi, Nadea Putri; Khomsah, Siti; Putra Wicaksono, Aditya Dwi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128472

Abstract

  Risiko kredit adalah hal yang penting untuk dianalisis di awal pengajuan kredit guna mengurangi nilai Non-Performing Loan (NPL) atau risiko gagal bayar. Pola pengetahuan risiko kredit bisa diketahui dari data-data historikal sehingga data pengajuan kredit baru bisa ketahui risikonya lebih awal. Pada penelitian-penelitian terdahulu, model klasifikasi untuk risiko kredit menggunakan Random Forest banyak ditemukan namun tidak mendalam dalam penerapan preprocessing dan akurasinya masih rendah. Maka penelitian ini bertujuan meningkatkan akurasi model klasifikasi algoritma Random Forest dengan menerapkan tuning parameter dan feature engineering yang lebih dalam. Metodologi penelitian yang digunakan adalah Sample, Explore, Modify, Models, dan Assess (SEMMA). Penelitian ini menerapkan berbagai kombinasi parameter dan menerapkan feature engineering untuk memperbaiki kualitas data. Feature engineering yang digunakan meliputi oversampling dan standardisasi. Hyperparameter tuning model Random Forest menggunakan metode Random Search dan Grid Search untuk mencari parameter paling optimal. Dataset penelitian adalah data sekunder (Credit Risk) yang terdiri dari 32.581 baris, 11 variabel prediktor dan 1 variabel respon. Hasil penelitian menunjukkan penerapan feature engineering signifikan meningkatkan akurasi model Random Forest, meningkat dari 92,56% menjadi 97,94% setelah menerapkan oversampling dan standarisasi. Sedangkan hyperparameter tuning tidak begitu signifikan meningkatkan akurasi model yang dibangun menggunakan dataset yang sudah dikenakan preprocessing maupun feature engineering dengan baik.   Abstract Credit risk analysis is essential for minimizing the value of non-performing loans (NPL). Using historical data to understand credit risk patterns can help identify risks early in new credit applications. Previous research has often used Random Forest classification models for credit risk but found the need for more comprehensive preprocessing of applications and higher accuracy. This research aims to improve the accuracy of the Random Forest algorithm classification model by implementing parameter tuning and feature engineering. The SEMMA (Sample, Explore, Modify, Model, and Assess) methodology is used, which explores different parameters and feature engineering combinations to enhance data quality. Feature engineering techniques, such as oversampling and standardization, are applied. Hyperparameter tuning of the Random Forest model involves using Random Search and Grid Search methods to identify the optimal parameters. The research dataset, consisting of 32.581 lines, 11 predictor variables, and one response variable, is secondary data on Credit Risk. Results show that the application of feature engineering significantly improves the accuracy of the Random Forest model, increasing from 92,56% to 97,94% after applying oversampling and standardization. However, hyperparameter tuning does not significantly increase the accuracy of models built using well-preprocessed datasets or feature engineering.
Visualisasi Segmentasi Pelanggan Berdasarkan Atribut RFM Menggunakan Algoritma K-Means Untuk Memahami Karakteristik Pelanggan pada Toko Retail Online Imanuel, Dennis Alfa; Alfian, Ganjar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128619

Abstract

Meningkatnya minat belanja pelanggan toko retail online menimbulkan persaingan ketat antar retailer. Agar tetap unggul dan kompetitif, retailer perlu memahami karakteristik pelanggannya. Penerapan segmentasi pelanggan memberikan kemudahan pada retailer untuk memahami karakteristik pelanggan berdasarkan penilaian pada atribut yang dihitung dari data riwayat transaksi pelanggan. Hasil segmentasi pelanggan yang divisualisasikan dapat meningkatkan pemahaman retailer dalam memahami data dan membantu dalam proses pengambilan keputusan. Oleh karena itu, penelitian ini mengusulkan Visualisasi Segmentasi Pelanggan menggunakan Algoritma K-means berdasarkan Atribut RFM (Recency, Frequency, Monetary). Hasil segmentasi dapat digunakan untuk Memahami Karakteristik Pelanggan pada Toko Retail Online. Penelitian ini menggunakan algoritma k-means untuk menjalankan clustering yang performanya akan dibandingkan dengan algoritma k-medoids mengacu pada nilai silhouette, Calinski-Harabasz Index, dan DaviesBouldin Index dalam melakukan segmentasi pelanggan berdasarkan atribut RFM. Berdasarkan metrik tersebut, didapatkan nilai algoritma k-means berturut-turut adalah 0,6558, 0,7219, dan 3578,9, sedangkan nilai algoritma k-medoids adalah 0,4677, 0,8298, dan 1236,9. Dengan demikian, hasilnya menunjukkan bahwa kinerja clustering menggunakan k-means lebih baik daripada menggunakan k-medoids. Pada dashboard Looker Studio ditampilkan visualisasi data hasil segmentasi tersebut, kemudian diuji fungsionalitasnya dengan metode Blackbox Testing dan berhasil menyelesaikan semua skenario pengujian, kemudian dilakukan pengujian dengan metode UAT (User Acceptance Testing) dan mendapatkan predikat sangat layak.   Abstract The growing interest in online retail shopping among customers has resulted in intense competition among retailers. To sustain a competitiveness, retailers need to understand characteristics of their customer. Implementation of customer segmentation facilitates retailers in understanding customer characteristics through assessments based on attributes derived from customer transaction history data. Visualization of customer segmentation results can enhance the retailer's understanding of data and assist in the decision-making process. Therefore, this study proposes the Visualization of Customer Segmentation using the K-means Algorithm based on RFM Attributes (Recency, Frequency, Monetary). The segmentation results can be utilized to understand the characteristics of customers in an online retail store. This study explores the k-means algorithm to execute clustering, and its performance will be compared with the k-medoids algorithm, based of silhouette values, Calinski-Harabasz Index, and Davies Bouldin Index in customer segmentation based on RFM attributes. Based on given metrics, the consecutive performance values for k-means algorithm are 0.6558, 0.7219, and 3578.9, while k-medoids algorithm are 0.4677, 0.8298, and 1236.9. Thus, the results indicate that the clustering performance using k-means is better than using k-medoids. On the Looker Studio dashboard, the visualization of the segmentation data is displayed, and its functionality is tested using the Black Box Testing method, successfully completing all test scenarios. Subsequently, the system undergoes testing through the User Acceptance Testing (UAT) method and receives a highly satisfactory rating.
Aplikasi Berbasis Progressive Web App (Mentoree) sebagai Layanan Pendampingan Pembelajaran Pemrograman di Universitas Brawijaya Wahyudi, Muhamad Fauzan; Fanani, Lutfi; Brata, Adam Hendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128733

Abstract

Seiring dengan proses modernisasi, teknologi menjadi salah satu bidang ilmu yang penting untuk dipelajari, Nadiem Makarim selaku Menteri Pendidikan, Kebudayaan, Riset dan Teknologi (Mendikbud Ristek), menanggapi modernisasi dengan menyusun kurikulum pendidikan yang terintegrasi teknologi. Adanya mata kuliah yang mempelajari penggunaan maupun pengembangan teknologi informasi hampir pada setiap jurusan di Universitas di Indonesia. Contohnya, Universitas Brawijaya yang menerapkan materi pemrograman pada kurikulum pembelajaran mereka. Hal ini memunculkan masalah baru, khususnya bagi mahasiswa yang memiliki keterbatasan dalam penguasaan mata kuliah yang berhubungan dengan pemrograman. Dilakukan wawancara dengan 10 mahasiswa dari 5 program studi berbeda, didapatkan data bahwa mereka memerlukan adanya bantuan tutor untuk membantu mereka dalam mengikuti mata kuliah yang berkaitan dengan bahasa pemrograman. Berdasarkan permasalahan tersebut, peneliti membuat gagasan mengenai sebuah sistem berbasis Progressive Web App yang dirancang untuk memfasilitasi pencarian mentor secara online dengan memiliki kelayakan teknis yang baik, sehingga dapat diimplementasikan secara efektif dan efisien. Implementasi teknologi Progressive Web App dinilai lebih efektif karena memberikan keleluasaan bagi pengguna untuk mengakses aplikasi baik melalui website maupun aplikasi mobile. Untuk membuktikan apakah aplikasi siap digunakan dan sesuai dengan kebutuhan pengguna yang didapatkan dari proses analisis kebutuhan, maka dilakukan empat jenis pengujian yaitu pengujian unit, pengujian validasi, pengujian kompatibilitas, dan pengujian performa. Dari keempat pengujian tersebut, didapatkan hasil bahwa aplikasi siap digunakan dengan hasil valid pada pengujian fungsional dan hasil cukup baik pada pengujian non fungsional. Sehingga sistem yang dibuat diharapkan dapat dikembangkan lebih baik di kemudian hari.   Abstract Along with modernization, technology has become a crucial field of study. Nadiem Makarim, the Minister of Education, Culture, Research, and Technology, responded by integrating technology into the national education curriculum. Most university departments in Indonesia now offer courses that incorporate information technology. For instance, Brawijaya University includes programming in its curriculum. However, this poses challenges for students who struggle with programming-related subjects. Interviews with 10 students from 5 different study programs revealed that many need tutors to help them succeed in these courses. To address this issue, researchers proposed a Progressive Web App (PWA) system that helps students find online mentors, emphasizing its technical feasibility for effective and efficient implementation. PWA technology offers flexibility, allowing users to access the system through both websites and mobile devices. To ensure the application meets user needs, as identified in the needs analysis, four types of testing were conducted: unit testing, validation testing, compatibility testing, and performance testing. These tests showed that the application is ready for use, with valid results in functional testing and positive outcomes in non-functional testing. The system is expected to be further developed in the future for even better performance.
Fitur 3D Semu untuk Visualisasi Produk pada Aplikasi Penjualan Online Umkm W. Hananto, Mursid; Hananto, Mursid; Agustina, Tia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129074

Abstract

Visualisasi produk menggunakan grafika 3D merupakan salah satu cara yang efektif untuk menampilkan suatu produk, namun penyiapan aset maupun perawatan media online yang memanfaatkan metode tersebut memerlukan banyak hal yang tidak semua UMKM mampu atau siap melakukannya. Keterbatasan sumber daya manusia (SDM) menyulitkan alokasi tenaga khusus penyediaan dan pengelolaan aset grafika 3D agar secara kontinu dapat memasok data ke media penjualan online yang dimiliki UMKM. Dibutuhkan solusi yang mudah digunakan oleh kalangan UMKM dengan SDM terbatas, memerlukan biaya rendah dan dapat memanfaatkan berbagai alat bantu yang tersedia luas, serta dapat disiapkan dengan cepat. Teknik visualisasi 3D semu diadaptasi dalam solusi yang dikembangkan dengan tujuan menghasilkan fitur visualisasi yang mampu memperlihatkan tampilan fisik produk lebih detail dari berbagai sudut pandang layaknya saat ditampilkan di tempat penjualan secara fisik, namun tanpa menyertakan kesulitan untuk membuat representasi digital 3D sepenuhnya. Realisasi solusi dilakukan dengan metode evolusioner incremental yang memungkinkan untuk menghasilkan solusi secara bertahap sehingga pengguna dapat segera memanfaatkannya. Penelitian telah menghasilkan solusi berupa fitur 3D semu untuk menampilkan produk-produk UMKM dalam aplikasi berbasis web. Fitur 3D semu yang menggunakan rangkaian citra 2D dapat memenuhi kebutuhan visualisasi layaknya 3D yang dapat diputar 360 derajat sehingga UMKM dapat segera menawarkan produknya secara online sekaligus memvisualisasikannya dengan lebih baik dibandingkan hanya menampilkan beberapa foto produk. Kemudahan menyiapkan konten untuk fitur 3D semu menjadi nilai tambah yang membantu operasional pihak UMKM. Integrasi pada media penjualan konvensional mudah dilakukan, dan dapat bekerja dengan baik sesuai rancangan. Abstract Product visualization using 3D graphics is an effective way to display a product, but preparing assets and maintaining online media that utilizes this method requires many things that not all MSMEs are able or ready to do. Limited human resources (HR) make it difficult to allocate specific personnel to provide and manage 3D graphic assets so that they can continuously supply data to online sales media owned by MSMEs. A solution is needed that is easy to use by MSMEs with limited human resources, requires low costs and can utilize various tools that are widely available, and can be prepared in a short time. The pseudo 3D visualization technique was adapted in the solution developed with the aim of producing a visualization feature that is able to show the physical appearance of the product in more detail from various points of view as if it were displayed at a physical point of sale, but without including the difficulty of creating a fully 3D digital representation. Solution realization is carried out using an incremental evolutionary method which makes it possible to produce solutions in stages so that users can immediately take advantage of them. The research has produced a solution in the form of a pseudo 3D feature to display MSME products in a web-based application. The pseudo 3D feature that uses a series of 2D images can fulfill 3D-like visualization needs which can be rotated 360 degrees so that MSMEs can immediately offer their products online while visualizing them better than just displaying a few product photos. The ease of preparing content for the pseudo 3D feature is an added value that helps MSMEs' daily operations. Integration with conventional sales media is easy to do, and can work well as designed.
Pengaruh Teknik Penanganan Negasi Dalam Analisis Sentimen Darmayasa, I Nengah Oka; ER, Ngurah Agus Sanjaya; Kadyanan, I Gusti Agung Gede Arya; Karyawati, Anak Agung Istri Ngurah Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129079

Abstract

“Garbage in, garbage out” merupakan sebuah ungkapan klasik dalam data science yang menyatakan bahwa kualitas keluaran suatu sistem bergantung pada kualitas data yang dimasukkan. Dalam klasifikasi sentimen, negasi memainkan peran penting dalam menentukan polaritas sentimen kalimat, tetapi sering kali dihapus pada tahap preprocessing sebagai stopword, yang dapat menghilangkan konteks negasi tersebut. Penelitian ini mengevaluasi dampak dua teknik penanganan negasi Next Word Negation dan penggantian antonim terhadap performa Naïve Bayes Classifier dan Support Vector Machine Classifier. Teknik Next Word Negation menggabungkan kata penanda negasi dengan kata setelahnya seperti “tidak cepat” menjadi “tidak_cepat”. Sementara itu, teknik penggantian antonim mengganti kata penanda negasi dan kata setelahnya dengan antonim dari kata setelahnya, misalnya “tidak cepat” menjadi “lambat”. Hasil penelitian menunjukkan bahwa teknik penanganan negasi meningkatkan akurasi Naïve Bayes dari 82,94% tanpa penanganan negasi menjadi 85,88% dengan Next Word Negation dan 87,64% dengan penggantian antonim. Untuk Support Vector Machine, akurasi meningkat dari 84,70% tanpa penanganan negasi menjadi 89,41% dengan penggantian antonim dan 88,23% dengan Next Word Negation. Abstract “Garbage in, garbage out” is a classic expression in data science that states the quality of a system’s output depends on the quality of the input data. In sentiment classification, negation plays a crucial role in determining the sentiment polarity of a sentence but is often removed during the preprocessing stage as a stopword, potentially eliminating the context of negation. This study evaluates the impact of two negation-handling techniques, Next Word Negation and antonym replacement, on the performance of Naïve Bayes Classifier and Support Vector Machine Classifier. The Next Word Negation technique combines the negation marker with the following word, for example, “tidak cepat” becomes “tidak_cepat”. Meanwhile, the antonym replacement technique replaces the negation marker and the following word with the antonym of the following word, for example, “tidak cepat” becomes “lambat”. The results of the study show that negation-handling techniques improve the accuracy of Naïve Bayes from 82.94% without negation handling to 85.88% with Next Word Negation and 87.64% with antonym replacement. For the Support Vector Machine, accuracy increases from 84.70% without negation handling to 89.41% with antonym replacement and 88.23% with Next Word Negation.
Pemodelan Sistem Monitoring Kualitas Udara Pintar Berbasis Internet of Things dengan Pendekatan Machine Learning Nugroho, Eddy Prasetyo; Anisyah, Ani; Al Fathin, Deva Shofa; Amadudin, Muhammad Nur Yasin; Ramadhani, Muhammad Satria; Yosafat
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129195

Abstract

Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan.   Abstract   This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.
Identifikasi Pola Tingkat Kesenjangan Ketuntasan Pendidikan Di Indonesia Dengan Menggunakan Metode K-Medoids Clustering Kamalia, Antika Zahrotul; Nawangsih, Ismasari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129219

Abstract

Pendidikan memiliki peran penting dalam pembangunan sosial dan ekonomi, namun masih ada kesenjangan ketuntasan pendidikan antar provinsi di Indonesia. Kesenjangan ini disebabkan oleh perbedaan akses fasilitas, kualitas pengajaran, dan kondisi ekonomi, yang mempengaruhi tingkat ketuntasan pendidikan. Penelitian ini menggunakan metode K-Medoids Clustering untuk mengelompokkan wilayah di Indonesia berdasarkan data ketuntasan pendidikan dari Badan Pusat Statistik Indonesia (BPS) 2018-2023 untuk sebagai pusat Cluster (medoids), dan dipilih karena keunggulannya dalam mengelompokkan data berdasarkan median, yang pada gilirannya membuatnya lebih tahan terhadap pengaruh data outlier. Temuan utama penelitian ini menunjukkan kesenjangan pendidikan tinggi yaitu berada di wilayah Indonesia bagian tengah dan timur yaitu seperti provinsi Nusa Tenggara Timur (NTT) dan provinsi Papua, menjadi refleksi nyata dari keterbatasan akses dan fasilitas pendidikan di wilayah tersebut. Rendahnya tingkat ketuntasan pendidikan pada jenjang SD, SMP, dan SMA turut berdampak pada minimnya angka partisipasi di pendidikan tinggi dan disparitas signifikan dalam ketuntasan pendidikan dengan kondisi seperti ini mencerminkan perlunya kebijakan berbasis data, peningkatan infrastruktur pendidikan, serta program dukungan untuk siswa dan guru guna memperbaiki kesenjangan pendidikan. Wilayah Indonesia bagian barat dengan ketuntasan pendidikan lebih tinggi, seperti Jawa, Sumatra, dan Bali, diharapkan dapat berbagi praktik terbaik untuk mendukung wilayah yang tertinggal.   Abstract Education plays a crucial role in social and economic development; however, there are still significant disparities in educational completion rates across provinces in Indonesia. These disparities are caused by differences in access to facilities, teaching quality, and economic conditions, which affect educational outcomes. This study uses the K-Medoids Clustering method to group regions in Indonesia based on educational attainment data from Statistics Indonesia (BPS) 2018-2023, using this data as the cluster centers (medoids). This method was chosen for its effectiveness in clustering data based on the median, making it more resilient to the influence of outlier data. The main findings of this study reveal significant educational disparities in central and eastern Indonesia, such as in East Nusa Tenggara (NTT) and Papua provinces, reflecting the limited access to and availability of educational facilities in these regions. Low completion rates at the elementary, junior high, and high school levels also affect participation in higher education and significant disparities in educational attainment. This underscores the need for data-driven policies, improved educational infrastructure, and support programs for students and teachers to address educational inequalities. Western regions of Indonesia with higher educational attainment, such as Java, Sumatra, and Bali, are expected to share best practices to support underdeveloped regions.
Kombinasi Analisis Bibliometrik dengan Latent Dirichlet Allocation sebagai Pemodelan Topik Cashless Society Sepriadi, Hanifa; Rudiat Sekarsari, Cindy; Iriany, Atiek; Solimun; Rinaldo Fernandes, Adji Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2012129244

Abstract

Era digitalisasi dan komputasi telah dimulai, ditandai dengan munculnya teknologi digital yang merasuk ke berbagai aspek kehidupan, sementara data juga terus berkembang menjadi big data.  Setelah era covid 19, metode pembayaran non-tunai berkembang sangat pesat, sehingga banyak penelitian mengenai cashless society. Tujuan dari penelitian ini adalah memodelkan topik-topik yang berkaitan dengan cashless society untuk mendapatkan variabel dan indikator yang terkait dengan menggunakan analisis bibliometrik dan latent dirichlet allocation. Data penelitian ini berasal dari artikel publikasi ilmiah dan hasil web scrapping di twitter yang bertemakan cashless society. Hasil penelitian menunjukkan bahwa terdapat 5 variabel dan 21 indikator yang berhubungan dengan cashless society.   Abstract The era of digitalization and computing has begun, marked by the emergence of digital technology which permeates various aspects of life, while data also continues to develop into big data.  After the covid 19 era, non-cash payment methods developed very rapidly, so there were many studies on the cashless society. The purpose of this research is to model topics related to the cashless society to obtain related variables and indicators using bibliometric analysis and latent dirichlet allocation. This research data comes from scientific publication articles and web scrapping results on twitter with the theme of cashless society. The results showed that there are 5 variables and 21 indicators related to cashless society.

Page 1 of 3 | Total Record : 24


Filter by Year

2025 2025


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