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 24 Documents
 1   2   3 
Search results for , issue "Vol 12 No 2: April 2025" : 24 Documents clear
Pengembangan Media Pembelajaran Etnomatematika Candi Prambanan Berbasis Augmented Reality untuk Materi Geometri Khoirul Umri, Buyut; Zaid Rahman, Ahmad; Nur Aini, Afifah
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.2025129330

Abstract

Pembelajaran matematika adalah materi yang sudah dipelajari sejak sekolah dasar bahkan hingga level perguruan tinggi. Karena dekatnya matematika dengan kehidupan kita, ada sebuah konsep yaitu etnomatematika dimana pembelajaran matematika digabungkan dengan unsur budaya seperti bentuk-bentuk geometri yang bisa kita temukan di lokasi-lokasi budaya salah satunya Candi Prambanan. Hal ini membuka peluang bahwa penerapan etnomatematika Candi Prambanan dapat mempermudah proses belajar geometri. Media pembelajaran berupa Augmented Reality memiliki potensi untuk meningkatkan proses belajar menjadi lebih interaktif dimana siswa harus berpartisipasi jalannya materi serta media lama yang awalnya hanya gambar atau teks dapat diatasi dengan visualisasi dan ilustrasi. Dari uraian diatas dapat diketahui tujuan dari penelitian ini yaitu melibatkan unsur budaya yang saat ini mulai dilupakan, diterapkan pembelajaran etnomatematika. Kedua yaitu mengatasi media sebelumnya yang hanya berupa teks dan gambar pada buku, dengan teknologi Augmented Reality yang dapat memvisualisasikan dan mengilustrasikan objek geometri dalam bentuk 3D. Metode penelitian yang akan digunakan yaitu metode Waterfall. Hasil yang akan diciptakan yaitu berupa aplikasi media pembelajaran Augmented Reality pada android yang didalamnya akan mempelajari mengenai matematika materi geometri pada siswa SMP serta dilengkapi dengan kuis dan game sederhana yang interaktif. Hasil penelitian yang dilakukan mendapatkan yaitu uji aspek tampilan dan animasi dengan hasil perhitungan skala likert 85,17% tergolong pada kategori sangat baik serta uji aspek kebutuhan materi dengan hasil perhitungan skala likert 87,6% tergolong pada kategori sangat baik.   Abstract Math learning is material that has been studied since elementary school even up to the college level. Because of the closeness of math to our lives, there is a concept, namely ethnomathematics, where math learning is combined with cultural elements such as geometric shapes that we can find in cultural locations, one of which is Prambanan Temple. This opens up opportunities that the application of Prambanan Temple ethnomathematics can facilitate the geometry learning process. Learning media in the form of Augmented Reality has the potential to improve the learning process to be more interactive where students must participate in the course of the material and old media that was originally only images or text can be overcome with visualization and illustration. The research method that will be used is the Waterfall method. The results will be created in the form of Augmented Reality learning media applications on android in which it will learn about mathematics geometry material in junior high school students and equipped with quizzes and simple interactive games. The results of the research conducted get the display and animation aspect test with the results of the Likert scale calculation of 85.17% classified in the very good category and the test aspect of the material needs with the results of the Likert scale calculation of 87.6% classified in the very good category.
Peningkatan Keamanan Pengacakan Soal Ujian Computer Assisted Test (CAT) Penerimaan Mahasiswa UIN Imam Bonjol Riza, Ozzy Secio; Rosalina; Saputra, Rendi; Arham, Aulia
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.2025129381

Abstract

Teknologi informasi telah membuka akses luas terhadap sumber belajar dan berperan signifikan dalam pelaksanaan tes ujian masuk perguruan tinggi, termasuk adopsi ujian berbasis komputer. Proses penerimaan mahasiswa baru merupakan tugas yang krusial dan menantang. Penelitian ini bertujuan untuk meningkatkan keamanan sistem ujian masuk mahasiswa baru jalur mandiri di UIN Imam Bonjol Padang dengan memperbaiki teknik pengacakan soal pada Computer Assisted Test (CAT). Pengacakan soal dalam sistem CAT yang ada saat ini masih menggunakan prosedur pengacakan standar, yang secara kriptografi tidak aman karena prediktabilitasnya. Untuk mengatasi masalah ini, penelitian mengusulkan penggunaan kombinasi algoritma Fisher-Yates Shuffle dan Chaos Map. Fisher-Yates Shuffle menawarkan efektivitas pengacakan tinggi dengan kompleksitas optimal (O(n)), sementara Chaos Map sangat sensitif terhadap nilai awal, sehingga cocok digunakan untuk pengacakan yang lebih aman. Dengan algoritma ini, soal dan pilihan jawaban diacak berdasarkan nomor peserta, sehingga setiap peserta mendapat soal yang berbeda, mengurangi kemungkinan kecurangan. Hasil penelitian menunjukkan bahwa sistem CAT dengan teknik pengacakan baru ini lebih aman dan efektif dimana terjadi penurunan kemiripan soal sebesar 67,85% dalam tingkat kemiripan soal dari 0,339 menjadi 0,109, yang menunjukkan bahwa algoritma yang diusulkan menghasilkan pengacakan soal yang lebih merata dan lebih sedikit pengulangan soal di antara peserta ujian.   Abstract Information technology has provided wide access to learning resources and played a significant role in the implementation of college entrance exams, including the adoption of computer-based exams. The process of admitting new students is a crucial and challenging task. This study aims to enhance the security of the independent student entrance exam system at UIN Imam Bonjol Padang by improving the question randomization technique in the Computer-Assisted Test (CAT). The current CAT system still uses a standard randomization procedure, which is cryptographically insecure due to its predictability. To address this issue, the study proposes a combination of the Fisher-Yates Shuffle and Chaos Map algorithms. Fisher-Yates Shuffle offers high randomization effectiveness with optimal complexity (O(n)), while Chaos Map is highly sensitive to initial values, making it ideal for more secure randomization. With this approach, questions and answer choices are randomized based on participant numbers, ensuring each participant receives different questions, thus reducing the possibility of cheating. The results show that the CAT system with this new randomization technique is more secure and effective where there is a 67.85% decrease in the question similarity rate from 0.339 to 0.109, which indicates that the proposed algorithm results in more even question randomization and less question repetition among examinees.
Analisis Penerimaan Teknologi Sistem Informasi Manajemen Tugas Menggunakan Model Task Technology Fit (TTF) Armanda, Ferdhy Ihza; Pradana, Fajar; Nugraha Putra, Widhy Hayuhardhika
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.2025129414

Abstract

Dalam konteks meningkatkan efisiensi dan produktivitas proyek, pengelolaan tugas yang efektif menjadi kunci. Melalui observasi dan wawancara dengan karyawan dari Departemen Design PT INKA (Persero), ditemukan bahwa sistem manajemen tugas saat ini memiliki keterbatasan dalam hal kustomisasi fitur, terutama dalam hal visualisasi progres pekerjaan melalui kurva-s dan perhitungan beban kerja secara otomatis. Hal ini berpotensi menghambat kemajuan proyek dan mencapai tujuan perusahaan. Untuk mengatasi permasalahan tersebut, dilakukan pengembangan sistem informasi manajemen tugas yang dirancang untuk menggantikan proses manual dengan fungsi otomatis yang lebih efisien. Adapun tujuan dilakukannya penelitian ini yaitu untuk menganalisis bagaimana kesesuaian antara tugas dan teknologi dalam sistem manajemen tugas memengaruhi kinerja karyawan. Metode kuantitatif digunakan dalam penelitian ini dengan pendekatan survei, serta mengadaptasi model Task Technology Fit (TTF). Data dikumpulkan melalui kuesioner yang dibagikan ke semua karyawan Departemen Design PT INKA (Persero), dengan total 32 respon yang dapat digunakan. Dilakukan analisis data menggunakan Partial Least Square Structural Equation Modeling (PLS-SEM) dengan SmartPLS sebagai alat bantu untuk evaluasi model pengukuran dan struktural. Hasilnya pengujian hipotesis menunjukkan bahwa Task Technology Fit (TTF) dalam sistem manajemen tugas tidak secara signifikan mempengaruhi Performance Impact (PI) pada karyawan, ditandai dengan nilai t statistik 1,351 (t < 1,96) dan nilai p value 0,177 (p > 0,05).   Abstract In the context of improving project efficiency and productivity, effective task management is key. Through observations and interviews with employees from the Design Department of PT INKA (Persero), it was found that the current task management system has limitations in terms of feature customization, especially in terms of visualizing work progress through s-curves and automatic workload calculations. This has the potential to hinder project progress and achieve company goals. To overcome these problems, a task management information system was developed to replace manual processes with more efficient automated functions. The purpose of this research is to analyze how the fit between tasks and technology in the task management system affects employee performance. The quantitative method was used in this study with a survey approach, and adapted the Task Technology Fit (TTF) model. Data was collected through questionnaires distributed to all employees of the Design Department of PT INKA (Persero), with a total of 32 usable responses. Data were analyzed using Partial Least Square Structural Equation Modeling (PLS-SEM) with SmartPLS as a tool for evaluating measurement and structural models. The results of hypothesis testing show that Task Technology Fit (TTF) in the task management system does not significantly affect Performance Impact (PI) on employees, characterized by a statistical t value of 1.351 (t < 1.96) and a p value of 0.177 (p > 0.05).
Peningkatan Kualitas Layanan Jaringan Restoran Cepat Saji Indonesia: Analisis Sentimen dan Emosi Berbasis Aspek Inderawati, Maria Magdalena Wahyuni; Sukwadi, Ronald; Magdalena Silitonga, Riana; Maria Magdalena Wahyuni; Octavian, Filbert; Jou, Yung-Tsan; Thu, Nguyen Thi Bich
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.2025129416

Abstract

Kehadiran restoran cepat saji telah mempengaruhi pola makan masyarakat khususnya perkotaan karena ketersediaannya yang mudah dan variasinya. Penelitian ini bertujuan menganalisis preferensi konsumen terhadap restoran cepat saji di Indonesia dengan menggunakan analisis sentimen dan emosi berbasis aspek. Data penelitian diperoleh dari ulasan Google Review dan kuesioner dari 100 responden. Proses analisis meliputi pembersihan data, pembobotan TF-IDF, dan pemisahan data menjadi set pelatihan dan pengujian. Analisis sentimen berbasis aspek digunakan untuk mengidentifikasi sentimen positif dan negatif berbagai aspek layanan, sementara analisis emosi untuk mengukur jenis dan tingkat emosi pelanggan berdasarkan sentimen yang terdeteksi. Hasil visualisasi menunjukkan berbagai sentimen dan emosi yang terkait dengan setiap aspek atribut layanan restoran. Model Importance Performance Analysis (IPA) tiga dimensi digunakan untuk mengevaluasi hubungan antara tingkat kepentingan dan kepuasan hasil sentimen dan emosi pelanggan. Hasil analisis sentimen berbasis aspek menunjukkan bahwa sebagian besar restoran mendapat sentimen positif pada semua aspek. Pada hasil analisis emosi terlihat bahwa pada setiap sentimen positif akan selaras dengan emosi yang positif dan begitu sebaliknya. Temuan dalam penelitian ini diharapkan dapat memberikan wawasan berharga bagi para pengelola restoran untuk meningkatkan pengalaman pelanggan melalui pemahaman mendalam tentang sentimen dan emosi pelanggan.   Abstract The presence of fast food restaurants has influenced people's diets, especially in urban areas, due to their readily availability and variety. This study aims to analyze consumer preferences for fast food restaurants in Indonesia using aspect-based sentiment and emotion analysis. The research data was obtained from Google reviews and questionnaires distributed to 100 respondents. The analysis process includes data cleaning, TF-IDF weighting, and data separation into training and testing sets. Aspect-based sentiment analysis was used to identify positive and negative sentiments on various aspects of the service, while emotion analysis was applied to measure the types and levels of customer emotions based on the detected sentiments. The visualization results show the various sentiments and emotions associated with each aspect of the restaurant's service attributes. In addition, this study used a three-dimensional Importance Performance Analysis (IPA) model to evaluate the relationship between importance and satisfaction levels based on customer sentiments and emotions.  The results of aspect-based sentiment analysis show that most restaurants get positive sentiments on all aspects. The emotion analysis results demonstrate a correlation between any positive sentiment and positive emotions, and vice versa. The findings in this study are expected to provide valuable insights for restaurant managers to improve customer experience through an in-depth understanding of customer sentiments and emotions.
Peningkatan Akurasi Prediksi Harga Barang Impor Menggunakan XGBoost dan Particle Swarm Optimization Haris, Asmuni; Sholeh, Mahrus; Muflikhah, Lailil; Yudistira, Novanto
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.2025129419

Abstract

Impor di Indonesia dilakukan untuk memenuhi kebutuhan dalam negeri dan memastikan kelancaran produksi serta distribusi. Namun sering terjadi under invoicing, yaitu harga barang yang diimpor dilaporkan lebih rendah dari nilai sebenarnya, yang mengakibatkan kerugian penerimaan negara. Penelitian ini bertujuan untuk memprediksi harga barang impor yang sebenarnya guna mengurangi kerugian tersebut. Data yang digunakan diperoleh dari dataset barang impor yang tersedia di platform Kaggle, yang disediakan oleh Data Analytics Community (Mof-DAC) dari Kementerian Keuangan Indonesia. Metode yang diusulkan meliputi beberapa langkah, dimulai dengan ekstraksi fitur menggunakan Large Language Model (LLM) dan Regular Expression (Regex), diikuti oleh optimasi hyperparameter XGBoost menggunakan Particle Swarm Optimization (PSO). Hasil penelitian menunjukkan bahwa model dengan ekstraksi fitur menggunakan metode Regex mengungguli LLM berdasarkan nilai Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Kombinasi ekstraksi fitur menggunakan Regex dan TFIDF memberikan hasil yang optimal dalam hal waktu pemrosesan dan akurasi prediksi. Hyperparameter terbaik untuk XGBoost ditemukan dengan max-depth 51,49, subsample 0,89, dan min_child_weight 0,65, yang meningkatkan akurasi MAPE menjadi 14,6%. Meskipun model Random Forest memiliki akurasi prediksi sedikit lebih baik dengan MAPE sebesar 12,8%, namun waktu pemrosesannya sangat lama sekitar 3 jam membuatnya kurang efisien. Sebaliknya, XGBoost dengan waktu pemrosesan hanya 51,49 detik dan MAPE 14,6% dipilih sebagai model terbaik karena akurasi yang cukup baik dengan waktu komputasi yang cepat.   Abstact Imports in Indonesia fulfill domestic needs and sustain manufacturing and distribution. Under invoicing, where imported products are purposely underpriced, reduces state revenue. This study predicts imported goods prices to reduce financial losses. The Data Analytics Community (Mof-DAC) of the Indonesian Ministry of Finance provided the Kaggle imported products dataset. The Large Language Model (LLM) and Regular Expression are used to extract features in the suggested method. XGBoost hyperparameters are then optimized using Particle Swarm Optimization. Research shows that the Regex-extracted feature model outperforms the LLM model in MSE, RMSE, and MAPE. Regex feature extraction and TFIDF produce the best processing time and prediction accuracy. The ideal XGBoost hyperparameters were a maximum depth of 51.49, a subsample value of 0.89, and a minimum child weight of 0.65. These hyperparameters increased MAPE accuracy to 14.6%. The Random Forest model has a Better Prediction Accuracy (MAPE) of 12.8%, but its processing time is 3 hours, lowering its efficiency. XGBoost was chosen as the best model due to its 51.49-second processing time and 14.6% MAPE. High accuracy and efficient computing make this model effective.
Analisis Penerimaan Pengguna Learning Management System (LMS) BRONE di Universitas Brawijaya berdasarkan Model Unified Theory of Acceptance and Use of Technology (UTAUT) Trisnadi, Lintang; Eris Maghfiroh, Intan Sartika; Saputra, Mochamad Chandra
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.2025129425

Abstract

Dalam era perkembangan teknologi informasi, metode baru dalam pembelajaran telah muncul, memberikan perspektif berbeda terhadap konsep pendidikan. Universitas Brawijaya merespon dengan menerapkan LMS BRONE, platform pembelajaran daring berbasis Moodle. Namun, pengguna masih mengeluhkan beberapa masalah seperti harus login berkali-kali, pengingat tenggat waktu tugas yang tidak konsisten, dan tampilan yang tidak efisien. Populasi ditetapkan sebagai mahasiswa Universitas Brawijaya S1 dan Diploma yang pernah menggunakan LMS BRONE dalam proses pembelajaran. Metode penelitian yang diaplikasikan yaitu kuantitatif dengan pengumpulan data melalui penyebaran kuesioner dengan teknik purposive sampling kepada mahasiswa Universitas Brawijaya dan berhasil mendapatkan 194 responden. Penelitian ini menggunakan model Unified Theory of Acceptance and Use of Technology (UTAUT) untuk mengeksplorasi faktor-faktor yang mempengaruhi penerimaan pengguna terhadap LMS BRONE di Universitas Brawijaya. Hasil analisis data menggunakan PLS-SEM dengan alat bantu SmartPLS menunjukkan bahwa lima hipotesis diterima. Dari analisis jalur, dapat disimpulkan bahwa Performance Expectancy, Effort Expectancy, dan Social Influence memiliki pengaruh signifikan terhadap Behavioral Intention, sementara Facilitating Conditions tidak berpengaruh signifikan terhadap Behavioral Intention, tetapi berpengaruh signifikan terhadap Use Behavior. Behavioral Intention juga berpengaruh signifikan terhadap Use Behavior. Hasil penelitian ini mendukung teori UTAUT dan memberikan wawasan penting tentang penerimaan pengguna LMS BRONE di Universitas Brawijaya. Secara keseluruhan, penerimaan pengguna terhadap LMS BRONE di Universitas Brawijaya dapat dikategorikan positif. LMS BRONE memudahkan aksesibilitas materi, pengumpulan tugas, dan membantu dalam manajemen waktu. Namun, diperlukan perbaikan dalam konsistensi penggunaan oleh dosen dan optimalisasi fitur untuk perangkat mobile. Upaya sosialisasi dan pelatihan penggunaan LMS BRONE juga diperlukan agar adopsi sistem ini lebih optimal di kalangan pengguna.   Abstract In the era of information technology development, new learning methods have emerged, offering different perspectives on educational concepts. Universitas Brawijaya has responded by implementing BRONE LMS, an online learning platform based on Moodle. However, users have reported several issues such as the need to log in repeatedly, inconsistent task deadline reminders, and an inefficient interface. The population was defined as undergraduate and diploma students at Universitas Brawijaya who had used the BRONE LMS in the learning process. The research applied a quantitative method by collecting data through a questionnaire distributed via purposive sampling to Universitas Brawijaya students, resulting in 194 respondents. This study utilized the Unified Theory of Acceptance and Use of Technology (UTAUT) model to explore the factors influencing user acceptance of the BRONE LMS at Universitas Brawijaya. The data analysis, conducted using PLS-SEM with SmartPLS software, showed that five hypotheses were supported. From the path analysis, it was concluded that Performance Expectancy, Effort Expectancy, and Social Influence had a significant impact on Behavioral Intention, while Facilitating Conditions did not significantly affect Behavioral Intention but did significantly influence Use Behavior. Behavioral Intention also had a significant impact on Use Behavior. The results of this study support the UTAUT theory and provide valuable insights into user acceptance of the BRONE LMS at Universitas Brawijaya. Overall, user acceptance of the BRONE LMS at Universitas Brawijaya can be categorized as positive. The BRONE LMS facilitates access to materials, assignment submissions, and helps with time management. However, improvements are needed in the consistency of use by lecturers and optimization of features for mobile devices. Efforts in socialization and training for the use of the BRONE LMS are also necessary to enhance system adoption among users.
Implementasi Convolutional Neural Network untuk Klasifikasi Kanker Usus Besar Dengan Normalisasi Ghostweight Baihaqi, Galih Restu; Setiawan, Budi Darma; Muflikhah, Lailil
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.2025129432

Abstract

Kanker usus besar merupakan salah satu kanker yang dapat menyebabkan kematian. Jenis kanker ini merupakan kanker peringkat kedua terbanyak pada wanita dan peringkat ketiga terbanyak pada pria. Akhir–akhir ini, pendekatan Deep Learning (DL) banyak digunakan untuk melakukan proses–proses dalam dunia medis. Salah satu metode yang terkenal yaitu Convolutional Neural Network (CNN). CNN tentunya harus memiliki akurasi yang tinggi untuk dapat diterapkan pada kasus ini. Dataset yang digunakan adalah dataset Lung and Colon Cancer Histopathological Images yang berfokus pada kanker ususnya saja. Salah satu cara yang dapat digunakan untuk meningkatkan akurasi pada CNN adalah dengan menormalisasi bobot. Untuk ini, metode yang diusulkan adalah Ghost Weight Normalization (GWN) dengan normalisasi L1 yang terinspirasi dari GhostNet. Metode ini bekerja dengan cara melakukan pembagian bobot utuh menjadi beberapa bagian yang dinamakan GW dan kemudian dinormalisasi untuk setiap GW-nya, lalu digabung kembali menjadi bobot utuh seperti semula. Pendekatan ini terbukti dapat meningkatkan akurasi CNN dengan sangat baik, yaitu mengalami penambahan akurasi sebesar 14% yang semula CNN biasa memperoleh akurasi sebesar 0.8 menjadi 0.94, presisi 0.8 menjadi 0.94 dan F1-score 0.8 menjadi 0.94. GWN juga dapat mengungguli gaya normalisasi biasa, yaitu normalisasi pada bobot tanpa membaginya menjadi GW. Ukuran GW yang efisien adalah 4 dengan perolehan akurasi, persisi, dan f1-score masing-masing 0.94, dengan epoch 8 dan rata – rata untuk waktu proses training-nya pada setiap epoch-nya adalah 259 detik.   Abstract Colon cancer is one of the cancers that can cause death. This type of cancer is the second most common cancer in women and the third most common in men. Lately, Deep Learning (DL) approaches have been widely used to perform processes in the medical world. One of the well-known methods is Convolutional Neural Network (CNN). The method should have high accuracy to be applied in this case. The dataset used is the Lung and Colon Cancer Histopathological Images dataset which focuses on Colon Cancer only. One way that can be used to improve accuracy on CNN is by normalizing the weights. Our proposed method is Ghost Weight Normalization (GWN) with L1 normalization inspired by GhostNet. This method works by dividing the whole weight into several parts called GW and then normalized for each GW, then merged back into the whole weight as before. This approach proved to be able to improve the accuracy of CNN very well, which experienced an increase in accuracy by 14% from the usual CNN accuracy of 0.8 to 0.94, precision 0.8 to 0.94, and f1-score 0.8 to 0.94. GWN can also outperform the usual normalization style, which is normalizing the weights without dividing them into GWs. The efficient GW size is 4 with accuracy, precision, and f1-score of 0.94 each, with 8 epochs and the average training time for each epoch is 259 seconds.
Penerapan Teori Meaningful Learning Pada Pengembangan Media Pembelajaran Kit-Build Concept Map Berbasis Knowledge Reconstruction Dengan Sistem Evaluasi dan Feedback Otomatis Pinandito, Aryo; Kharisma, Agi Putra; Akbar, Muhammad Aminul
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.2025129435

Abstract

Penelitian ini mengusulkan penerapan atas teori knowledge reconstruction dan teori meaningful learning Ausubel pada kerangka pembelajaran yang menggunakan peta konsep digital Kit-Build concept map. Melalui penerapan kerangka pembelajaran yang diusulkan, siswa mengidentifikasi sumber-sumber pengetahuan untuk disusun dengan menghubungkan pengetahuan dan pengalaman yang telah dimiliki sebelumnya dan mengintegrasikan pengetahuan baru yang telah disusun ke dalam pemahaman kognitif mereka dengan menggunakan media pembelajaran peta konsep digital Kit-Build. Penelitian ini juga mengusulkan penerapan sebuah mekanisme feed-back otomatis yang dapat diberikan ketika peta konsep Kit-Build direkonstruksi pebelajar. Mekanisme feedback otomatis yang diberikan kepada siswa didasarkan atas permasalahan sulitnya memberikan masukan pada siswa saat rekonstruksi peta konsep Kit-Build dilakukan serta kesulitan siswa dalam memahami banyaknya pengetahuan baru yang terkandung dalam sebuah peta konsep. Fenomena information overload dapat terjadi saat siswa merekonstruksi peta konsep yang berukuran besar sebagai akibat dari banyaknya komponen Kit-Build dalam sebuah peta konsep yang perlu direkonstruksi. Pendekatan pembelajaran yang diusulkan dalam penelitian ini diuji dalam sebuah eksperimen dalam aktivitas belajar yang menggunakan media pembelajaran peta konsep Kit-Build, di mana rekonstruksi peta konsep dilakukan secara bertahap sebagai bentuk penerapan teori meaningful learning Ausubel. Pengaruh penerapan teori terhadap pemahaman siswa serta efisiensi proses belajar siswa melalui rekonstruksi peta konsep digital Kit-Build diinvestigasi dalam penelitian ini. Hasil analisis memperlihatkan bahwa teori meaningful learning yang diterapkan dalam proses pembelajaran menggunakan peta konsep Kit-Bulid secara efektif mampu meningkatkan pemahaman siswa serta mampu meningkatkan efisiensi aktivitas pembelajaran dengan kerangka pembelajaran yang dilakukan.   Abstract This research proposes the application of knowledge reconstruction theory and Ausubel's meaningful learning theory within a learning framework that utilizes the Kit-Build concept map. Under the proposed learning framework, students identify knowledge sources to be organized by linking their prior knowledge and experiences, and integrating the newly organized knowledge into their cognitive understanding using the Kit-Build concept map. This research also implements an automated feedback system during learner’s concept map reconstruction. The automatic feedback mechanism provided to students due to the difficulty of providing input to students during the concept map reconstruction and the difficulty of understanding the learning material when information overload occurs. Information overload may occur when students reconstruct large concept maps where numerous Kit-Build concept map components have to be reconstructed manually. The learning method proposed in this research is evaluated in an experiment involving the Kit-Build concept map framework, where concept map reconstruction is carried out in stages as a form of applying Ausubel’s meaningful learning theory. The effect of applying such theory on students' understanding as well as the efficiency of students' learning process through concept map reconstruction was investigated in this study. The analysis results suggested that applying meaningful learning theory in the learning process using Kit-Bulid concept map could effectively improve students' understanding and also improve the efficiency of learning activities with Kit-Build concept map framework.
Analisis Kualitas Sarang Burung Walet Menggunakan Metode Fuzzy Tsukamoto Agus, Fahrul; Sulfika, Ega; Mahendra Putra, Gubtha
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.2025129441

Abstract

Indonesia menjadi salah satu negara yang menghasilkan dan mengekspor sarang burung walet terbesar di dunia. Sarang burung walet memiliki banyak sekali manfaat, itu sebabnya tren ekspor sarang burung walet meningkat. Kualitas yang baik dapat mempengaruhi daya saing produk, harga jual, manfaat kesehatan yang dihasilkan, serta kepuasan konsumen. Selama ini pembeli masih melakukan klasifikasi kualitas sarang burung walet secara manual berdasarkan perkiraan pembeli sehingga dapat menimbulkan kesalahan pada saat melakukan penyortiran dan menyebabkan kerugian sehingga menurunkan nilai jual. Logika fuzzy digunakan untuk mengantisipasi hal tersebut karena dapat memberikan toleransi terhadap suatu nilai sehingga perubahan kecil pada nilai tidak akan memberikan dampak yang signifikan. Tujuan penelitian ini menerapkan metode fuzzy tsukamoto untuk menganalisis kualitas sarang burung walet. Data yang digunakan sebanyak 100 data sarang burung walet yang diperoleh pada 16 Oktober 2023. Proses penentuan kualitas sarang burung walet berdasarkan 5 variabel kriteria input yaitu warna, bulu, jenis, kondisi, dan kadar air. Output fuzzy terdiri dari 3 kategori kualitas Sangat Bagus, Bagus, dan Tidak Bagus. Hasil perhitungan fuzzy tsukamoto dengan data aktual terdapat 3 data sarang burung walet berbeda dari 100 data sarang burung walet dengan memiliki nilai akurasi sebesar 97%.   Abstract   Indonesia is a leading global producer and exporter of the largest quantity of swallow's nests. Swallow's nest consumption offers numerous advantages, which explains the growing trend of exporting this valuable commodity. The quality of a product can have a significant impact on its competitiveness, selling price, health benefits, and consumer happiness. Currently, buyers continue to manually assess the quality of swallow nests, relying on their estimations. However, this method is prone to errors throughout the sorting process and can result in financial losses that diminish the overall sales value. We employ fuzzy logic for prediction purposes because it allows for tolerance towards a value, thereby minimising the influence of minor fluctuations in the value. The goal of this study is to use the Tsukamoto fuzzy method to evaluate the quality of swallow nests. The dataset consisted of 100 samples of swallow nests collected on October 16, 2023. The evaluation of swallow nests' quality relies on five input criteria variables, specifically colour, feathers, type, condition, and water content. The fuzzy output comprises three quality categories: very good, sound, and not good. The fuzzy Tsukamoto calculation yielded three distinct samples out of a total of 100, with an accuracy rate of 97%.
Prediksi Single-Step dan Multi-Step Data Cuaca Menggunakan Model Long Short-Term Memory dan Sarima Simanjuntak, Humasak Tommy Argo; Lumbanraja, Amelia; Samosir, Gabriel; Regita
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.2025129444

Abstract

Prediksi deret waktu pada parameter data cuaca adalah proses memprediksi nilai masa depan berdasarkan pola data historis cuaca. Penelitian ini mengatasi kelemahan penelitian sebelumnya seperti data yang terbatas, jangka waktu prediksi, keterbatasan parameter yang digunakan dalam penelitian serta tidak menggunakan parameter eksternal yang tentunya dapat membantu proses prediksi model menjadi lebih akurat. Penelitian ini menggunakan metode Long Short-Term Memory (LSTM) dan Seasonal AutoRegressive Integrated Moving Average (SARIMA) untuk memprediksi parameter cuaca, seperti tekanan udara, suhu, dan kelembaban relatif, dengan pendekatan single-step dan multi-step ahead. Data bersumber dari BMKG Stasiun Meteorologi Pinangsori, Sibolga, selama 8 tahun, dengan granularity per jam dan per hari. Hasil eksperimen menunjukkan bahwa LSTM dan SARIMA, memiliki keunggulan dalam konteks tertentu. Untuk pendekatan single-step, model SARIMA lebih baik 49% dari model LSTM untuk prediksi dengan granularity data per jam. Namun, untuk granularity data per hari, performansi LSTM lebih baik 27% dari model SARIMA. Kemudian untuk pendekatan multi-step, SARIMA memberikan performansi yang lebih baik 30% daripada model LSTM untuk data per jam (< =24). Sedangkan untuk granularity data harian, model LSTM lebih baik 30% pada step 30 hari dan lebih baik 27% pada step 60 hari. Dan untuk data ekstrem, LSTM lebih baik 47% daripada SARIMA.   Abstract Time series prediction of weather data parameters involves forecasting future values based on historical weather patterns. This study addresses the limitations of previous research, such as constrained datasets, short prediction periods, restricted parameters, and the neglect of external factors that could enhance model accuracy. Utilizing Long Short-Term Memory (LSTM) networks and Seasonal AutoRegressive Integrated Moving Average (SARIMA) methods, the research focuses on predicting weather parameters like air pressure, temperature, and relative humidity using both single-step and multi-step approaches. The data is sourced from the BMKG Pinangsori Meteorological Station in Sibolga, covering an 8-year period with both hourly and daily granularity. The experimental findings reveal that LSTM and SARIMA each have their advantages depending on the context. In the single-step approach, the SARIMA model outperforms the LSTM model by 49% for predictions based on hourly data. Conversely, for daily data granularity, the LSTM model surpasses SARIMA by 27%. In the multi-step analysis, SARIMA demonstrates a 30% improvement over LSTM for hourly predictions (up to 24 hours). However, for daily granularity, the LSTM model excels, showing a 30% advantage at the 30-day prediction step and a 27% advantage at the 60-day step. Additionally, LSTM significantly outperforms SARIMA by 47% when dealing with extreme data.

Page 2 of 3 | Total Record : 24

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2, No 2 (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