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 10 Documents
Search results for , issue "Vol 4 No 2: Juni 2017" : 10 Documents clear
Analisis Dan Perancangan Sistem Informasi Penjualan Berdasarkan Stok Gudang Berbasis Client Server (Studi Kasus Toko Grosir “Restu Anda”) Anthony, Anthony; Tanaamah, Andeka Rocky; Wijaya, Agustinus Fritz
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (51.663 KB) | DOI: 10.25126/jtiik.201742321

Abstract

AbstrakRestu Anda merupakan toko grosir dengan sistem penjualan yang belum terkomputerisasi atau masih manual. Dimana sistem penjualan yang berjalan adalah dengan menjual barang kepada downline berdasarkan pada berapa banyak barang yang masih tersedia di gudang. Karena proses pencatatan barang masih manual sehingga ketika pemilik toko memeriksa barang-barang di gudang, kadang-kadang jumlah item yang tercatat tidak sesuai dengan yang dilaporkan Akibatnya saat menerima pesanan pembelian barang dari downline, pemilik toko yang melihat pencatatan stok barang dan barang yang diinginkan downline tercatat habis atau kosong maka terpaksa pemilik toko menolak dan menawarkan barang lain yang pastinya tidak semua downline menerima tawarang tersebut. Maka dari itu untuk menyelesaikan masalah tersebut adalah dengan merancangkan sistem informasi penjualan berbasis client-server.  Aplikasi ini dibangun dengan menggunakan teknologi RMI (Remote Method Invocation ) yang memudahkan pengguna dalam mengelola data dari dua atau lebih komputer yang berbeda. Teknologi ini memudahkan pemilik toko untuk memantau jumlah stok barang yang ada digudang tanpa membutuhkan waktu yang lama, sehingga penjualan barang di toko Restu Anda dapat dijalankan dengan benar. Dan dengan aplikasi ini pemilik toko dapat memprediksikan berapa banyak kebutuhan barang yang harus disediakan untuk dijual kepada downline dengan melihat data penjualan yang sudah tersinkronisasi dengan data member.Kata kunci: Sistem informasi penjualan, Client-server, RMI, Toko Grosir  Abstract                                                        Restu Anda is a grocery  store with a sales system that has not been computerized or still manual. Where the sales system that running is to sell goods to downline based on how many goods are still available in the warehouse. Because the recording process of items is still manual so when the store owners checking the items in the warehouse, sometimes the number of items that recorded do not correspond to the reported. As a result, when receiving the purchasing order from downline, the store owner must see the list of goods and when the items that downline wants already out of stock or empty then the store owner will tell the downline that the items is already out of stock, and offer another item that not all downline receive it. Therefore to resolve the problem is design a sales information system based on client-server. This application is built using the RMI technology (Remote Method Invocation) that allows users to manage data from two or more different computers. This technology facilitates the store owner to directly monitoring the number of items in the warehouse without taking much time, so it can make the selling of item on  RestuAnda store running properly. And with this application, the store owner can predicted how much item that required for sale to the downline with looking from selling data that already synchronized with the member data.Keywords: sales information system, Client-server, RMI, Grocery Store
Analisis Judul Majalah Kawanku Menggunakan Clustering K-Means Dengan Konsep Simulasi Big Data Pada Hadoop Multi Node Cluster Rahardian, Brillian Aristyo; Kurnianingtyas, Diva; Mahardika, Dyan Putri; Maghfira, Tusty Nadia; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1125.356 KB) | DOI: 10.25126/jtiik.201742239

Abstract

AbstrakSaat ini pembaca e-magazine seperti majalah Kawanku semakin marak dan terus berkembang. Sehingga penggunaan data besar sangat dibutuhkan pada majalah Kawanku. Selain itu, dibutuhkan pengkategorian setiap bacaan ke dalam tujuh kategori judul pada majalah Kawanku. Sehingga dibutuhkan suatu pengolahan, pengelompokkan, dan pengkomunikasian antar data teks menggunakan text mining. Kombinasi text mining dengan Big Data dapat menjadi sebuah solusi yang menyediakan cara yang efisien dan reliabel untuk penyimpanan data dan infrastruktur yang efektif. Lalu pengkategorian teks dengan  clustering K-Means dirasa cukup meskipun menggunakan data besar karena hasilnya memiliki keakuratan yang tinggi. Dari hasil pengujian yang dilakukan, disimpulkan bahwa perbedaan dari banyaknya data tidak mempengaruhi waktu eksekusi karena perbedaan jumlah data yang digunakan tidak terlalu besar.Kata kunci: text mining, k-means, hadoop, big data, clustering, multi node cluster AbstractNowadays e-magazine reader like Kawanku magazine are increasing more and more.. So the use of Big Data is needed in managing e-magazine data in server. In addition, it takes the categorization of each reading into 7 categories of Kawanku magazine. So it takes a processing, grouping, and communicating between the text data using text mining. The combination of text mining with Big Data can be a solution that provides an efficient and reliable way for data storage and effective infrastructure. Then the text categorization with K-Means clustering is enough although using Big Data as a result has a high accuracy. From the results of tests performed, it was concluded that the difference of the number of data does not affect the execution time due to differences in the amount of data used is not too big.Keywords: text mining, k-means, hadoop, big data, clustering, multi node cluster
Pemetaan Data Dan Visualisasi Kedalaman Air Pada Bendungan / Waduk Rahayudi, Bayu; Marji, Marji
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (713.9 KB) | DOI: 10.25126/jtiik.201742305

Abstract

AbstrakPenelitian dilakukan untuk melakukan pemetaan data dan visualisasi kedalaman air suatu waduk. Hasil dari pemetaan dan visualisasinya digunakan untuk mengetahui kontur endapan  dan volume waduk. Pemetaan dilakukan dengan memprediksi titik-titik yang tidak diketahui kedalaman airnya berdasarkan titik-titik yang diketahui kedalaman airnya. Metode prediksi yang digunakan pada penelitian ini adalah metode interpolasi IDW (Inverse Distance Weighting), yaitu perhitungan rata-rata n buah titik, dimana titik-titik terdekat memiliki bobot pengaruh yang lebih besar dibandingkan titik-titik hasil pengukuran yang lebih jauh. Digunakannya metode ini bertujuan agar proses prediksi yang dilakukan dapat dilakukan dengan cepat, karena prediksi dilakukan untuk banyak titik-titik lain yang belum diketahui kedalaman airnya. Dari hasil penelitian diperoleh hasil bahwa jumlah titik yang paling baik digunakan untuk memprediksi titik yang tidak diketahui kedalaman airnya adalah sebanyak 5 buah titik terdekat. Data yang digunakan sebagai data percobaan pada penelitian ini adalah data pengukuran kedalaman air di waduk atau bendungan Wonorejo tahun 2004 dan tahun 2005. Hasil dari penelitian ini adalah suatu perangkat lunak yang digunakan untuk melakukan pemetaan dan memvisualisasikan kedalaman air di suatu waduk atau bendungan.Kata kunci: visualisasi, pemetaan, interpolasi, inverse distance weighting (idw)AbstractPrediction has been widely used in every research and field. In water level visualization system, prediction can be used for measuring water level at the dam. From the measurement, can be known the dam contour and also its water volume. The prediction can be done by measuring water level at several certain points, and used the points to predict another unmeasure points. Prediction metode used in this research is inverse distance weighting (IDW) interpolation, which were using greater weighting on neaerer point than farther point. From this research known that using 5 nearest point will result optimum prediction. This metode is used in order to get faster result because of thousand prediction will be done. Data used in this research are water level measurement data of Wonorejo dam in 2004 and 2005. The result of this research is a program that can be used to map and visualize water level of a dam.Keywords: visualization, mapping, interpolation, inverse distance weighting (idw)
Klasifikasi Sepeda Motor Berdasarkan Karakteristik Konsumen Dengan Metode K-Nearest Neighbour Pada Big Data Menggunakan Hadoop Single Node Cluster Putra, Nanda Agung; Putri, Ardisa Tamara; Prabowo, Dhimas Anjar; Surtiningsih, Listiya; Arniantya, Raissa; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (911.878 KB) | DOI: 10.25126/jtiik.201742242

Abstract

AbstrakPenelitian ini mengusulkan sebuah klasifikasi terhadap sepeda motor berdasarkan karakteristik konsumen. Sepeda motor memiliki beberapa jenis dan merk yang berbeda sehingga menyebabkan banyaknya pilihan yang dimiliki konsumen. Konsumen akan memilih sepeda motor yang diinginkannya berdasarkan latar belakang yang berbeda. Pada penelitian ini, Konsumen akan dikelompokkan berdasarkan sepeda motor yang dibeli sehingga penjual dapat mengetahui karakteristik konsumen yang membeli suatu jenis atau merk tertentu. Karakterisitik konsumen dapat ditentukan dengan usia, jenis kelamin, pendapatan, status pernikahan dan jumlah anak. Berdasarkan karakteristik tersebut perlu dilakukan pengelompokan untuk menentukan merk sepeda motor. Dalam penelitian ini metode yang digunakan yakni K-Nearest Neighbour (K-NN). K-NN merupakan algoritma yang umum digunakan untuk klasifikasi dan mencari kelas dari data uji dengan mayoritas kelompok yang memiliki jarak terdekat. Dataset yang digunakan dalam penelitian ini yaitu karakteristik konsumen. Uji coba dengan dataset tersebut menghasilkan merk sepeda motor dari data uji yang sudah ditentukan.Kata kunci: k-nearest neighbor, klasifikasi, k-nearest neighbor classification, sepeda motor.AbstractThis research proposed a classification of motorcycle based on customer’s characteristics. Motorcycles have different type and brand so that customers have many choices. Customer will choose motorcycle which they want to be based on different background. In this study, the customer will be grouped by motorcycle were purchased so that the seller can know characteristics of customers who buy certain type or brand. Characteristics of customers can be determined by age, gender, income, status and number of children. Based on these characteristic, we have to group for specifying motorcycle’s type. In this research, the method used K-Nearest Neighbor (K-NN). K-NN algorithm is commonly used for classifying and searching for a group of test data with the majority of the group that has the shortest distance. The dataset used in this project is the final consumer characteristics. Trials with the dataset produce motorcycle brand of test data that has been determined. Keywords: k-nearest neighbor, classification, k-nearest neighbor classification, motorcycle.
Desain Protokol Suara Sebagai Pengendali Dalam Smart Home Menggunakan FPGA Prasetio, Barlian Henryranu; Syauqy, Dahnial
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (495.69 KB) | DOI: 10.25126/jtiik.201742306

Abstract

AbstrakSmart home adalah suatu sistem yang menggunakan komputer dan teknologi informasi untuk mengendalikan peralatan yang terdapat di rumah seperti jendela dan lampu. Sistem dapat berupa sistem control sederhana hingga sistem yang kompleks. Komputer/mikrokontroler yang berbasis jaringan internet/ethernet dilengkapi dengan sistem cerdas dan sistem otomasi sehingga mampu membuat rumah menjadi bekerja secara otomatis. Banyak perangkat komputer/mikrokontroler yang dapat diimplementasikan sebagai pengendali dalam smart home. Sistem pengendali smart home pada penelitian ini menggunakan Xilinx xpartan-3e yang mengendalikan peralatan dalam rumah melalui jaringan LAN (Local Area Networking). Sistem pengendali ini berkomunkasi menggunakan broadcast voice pada jaringan lokal. Sistem Pengendali ini dirancang untuk dapat mengirimkan paket sinyal suara (voice) dari masukan microphone dan kemudian mengirimnya menggunakan protokol ethernet dalam jaringan lokal rumah menggunakan FPGA. FPGA ini diprogram untuk mengirimkan dan mengkodekan paket data, mengkonversi data digital menjadi data analog untuk dapat mengendalikan peralatan dalam rumah. Dari hasil pengujian simulasi menggunakan ISim, terlihat bahawa sistem bekerja secara realtime.Kata kunci: smart home, suara, fpga, pengendalian AbstractSmart home is a system that uses computers and information technology to control home-like equipment such as windows and lights. The system can be a simple control system to a complex system. Computer / microcontroller based on internet/ethernet network equipped with intelligent system and automation system so as to make home to work automatically. Many computer devices / microcontrollers that can be implemented as a controller in the smart home. Smart home control system in this study using Xilinx xpartan-3e that controls the equipment in the house through LAN (Local Area Networking). This control system communicates using broadcast voice on the local network. The Controller System is designed to be able to transmit a voice signal packet from the microphone input and then send it using the ethernet protocol in the home local network using the FPGA. The FPGA is programmed to transmit and encode data packets, converting digital data into analog data to be able to control the equipment in the home. From the simulation test results using ISIM, it is seen that the system works in realtime.Keywords: smart home, voice, fpga, control
Hibridisasi Algoritma Genetika Dengan Variable Neighborhood Search (VNS) Pada Optimasi Biaya Distribusi Rahmi, Asyrofa; Mahmudy, Wayan Firdaus; Anam, Syaiful
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (987.611 KB) | DOI: 10.25126/jtiik.201742287

Abstract

AbstrakProses distribusi dianggap sangat penting bagi perusahaan karena menjadi salah satu faktor yang mempengaruhi perolehan keuntungan. Besarnya biaya yang dikeluarkan serta kompleksnya permasalahan dalam proses distribusi menjadikan permasalahan distribusi sebagai topik yang perlu diteliti lebih mendalam lagi. Karena algoritma genetika (AG) sudah terbukti mampu memberikan solusi terbaik pada berbagai macam permasalahan optimasi dan kombinatorial, maka algoritma ini digunakan untuk menyelesaikan permasalahan distribusi pada penelitian ini. Namun, penerapan GA klasik memiliki kekurangan yaitu belum mencapai titik optimum global sehingga perlu dihibridisasi menggunakan algoritma variable neighborhood search (VNS). Algoritma ini dipilih karena selain mencari solusi secara global, algoritma ini juga mencari solusi secara lokal sehingga mampu menutupi kekurangan dari GA. Dengan menggunakan hibridisasi GA dengan VNS maka biaya yang diperoleh adalah 32392960 yang dibuktikan dengan penghematan biaya sebesar 323190 jika dibandingkan dengan GA klasik yaitu 32716150. Namun, dilihat dari waktu komputasi, GA-VNS membutuhkan waktu yang relatif sama dengan GA klasik yaitu 279332 ms (milisecond) dan 265091 ms.Kata kunci: distribusi, algoritma genetika, variable neighborhood searchAbstractThe distribution process is considered importantly for the company as one of the factors that affects profitability. The costs incurred as well as the complexity of the distribution problems makes the distribution problems as a topic that need to be examined more deeply. Since the wide range of combinatorial and optimization problems have been ever solved by using genetic algorithm (GA) well then it is used to resolve the distribution problems in this study. However, the implementation of classical GA has the disadvantage that has not yet reached the global optimum so that needs to be hybridized by using variable neighborhood search (VNS) algorithm. The VNS algorithm has been chosen because its ability either to search the global solutions or local solutions. The local search of VNS algorithm is able to cover the shortage of the GA. By using hibridization of GA with VNS, the cost accrued is 32392960 as evidenced by cost savings of 323190 in comparison with the classical GA is 32716150. However, the computational time of GA-VNS is equal to its classical GA relatively.Keywords: distribution, genetic algorithm, variable neighborhood search
Sistem Pendukung Keputusan Diagnosis Penyakit Sapi Potong Menggunakan K-Nearest Neighbour (K-NN) Kurnianingtyas, Diva; Rahardian, Brillian Aristyo; Mahardika, Dyan Putri; A., Amalia Kartika; K., Dwi Angraeni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (721.164 KB) | DOI: 10.25126/jtiik.201742308

Abstract

AbstrakIndustri peternakan merupakan salah satu industri yang penting dalam bidang penyediaan nutrisi makanan sehingga pertumbuhan produk ternak bisa menciptakan suatu ancaman kesehatan masyarakat dimana menyebabkan permasalahan kesehatan. Kurangnya pengetahuan peternak sapi potong mengenai berbagai penyakit yang menyerang serta solusi penanganan salah satu alasan  memanajemen kesehatan ternak dirasa cukup menyulitkan beberapa peternak. Pengembangan sistem pendukung keputusan yang menggunakan metode K-Nearest Neighbour (K-NN) sebagai metode inferensi untuk mendiagnosis penyakit ini. Data 11 jenis penyakit dapat dikenali oleh sistem pendukung keputusan dan 20 jenis gejala yang dapat dikenali oleh sistem. Hasil pengujian keakuratan 325 data latih dan 11 data uji telah menghasilkan tingkat akurasi 100% dengan nilai k = 3.Kata kunci: penyakit sapi potong, sistem pendukung keputusan, K-Nearest Neighbour AbstractThe livestock industry is one industry that is important in the provision of food nutrients so that the growth of livestock products could create a public health threat which causes health problems. Lack of beef cattle farmers knowledge about the various diseases that attack as well as the handling solutions is one reason s managing animal health are considered difficult for some farmers. The development of decision support systems using K-Nearest Neighbour (K-NN) as an inference method to diagnose this disease. Data 11 types of diseases can be recognized by decision support systems and 20 types of symptoms that can be recognized by the system. Results of testing the accuracy of 325 training data and test data 11 has yielded an accuracy rate of 100% with a value of k = 3.Keywords: cattle cow disease, desicion support system, K-Nearest Neighbour
Implementasi Metode K-Nearest Neighbour Dengan Pembobotan TF.IDF.ICF Untuk Kategorisasi Ide Kreatif Pada Perusahaan Putri, Rekyan Regasari Mardi; Herlambang, Romario Yudo; Wihandika, Randy Cahya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (736.763 KB) | DOI: 10.25126/jtiik.201742296

Abstract

AbstrakIde kreatif/inovasi merupakan hal yang dibutuhkan perusahaan dalam pengembangan sebuah individu, kelompok ataupun perusahaan pada teknologi seperti pada masa ini. Pengembangan ide kreatif berpengaruh pada peningkatan kinerja perusahaan. Pada kebanyakan kasus, pengelompokan ide tersebut harus dikelompokkan dengan kecocokan tema yang diusung untuk mempermudah proses pencarian. Oleh sebab itu dibutuhkan suatu sistem yang mampu bekerja secara otomatis untuk mengelompokkan ide tersebut. Kemunginan salah satu teknik pembobotan yang digunakan adalah dengan meggunakan TF.IDF.ICF, yang telah mengalami pengembangan dari metode sebelumnya. TF.IDF.ICF tidak dapat digunakan sendiri melainkan harus ada metode perhitungan jarak seperti Cosine Similarity dan metode klasifikasi lain seperti KNN dapat dipakai ke semua atribut. Aplikasi ini nantinya akan diterapkan pada perusahaan PJB Paiton sebagai studi kasus dan ide kreatif yang dikategorikan, dituliskan dalam Bahasa Indonesia. Aplikasi ini akan melakukan beberapa tahap pemrosesan seperti tokenizing yaitu pemisahan kalimat menjadi tiap kata, filtering yang merupakan penghapusan stopwords, stemming, cosine similarity dan  KNN yang masing-masing metode digunakan untuk perhitungan jarak dan proses perhitungan klasifikasi Dari hasil pengujian yang telah dilakukan, sistem mampu menghasilkan akurasi terbaik sebesar 93% menggunakan dengan nilai k sebesar 1 menggunakan presentase data uji sebanyak 50 akan menghasilkan klasifikasi ideal.Kata kunci: ide, kelas, cosine, knn.AbstractCreative ide is one thing that needed by the company for group development or even the company itself. The development of creative ideas has a big influence on improving corporate performance. On most cases, the clasification of the idea must be grouped based on the similarity of the theme that submitted to simplify the searching process. Therefore we need a system that could work automatically to classify the idea. Probably, one weighting techniques that used is TF.IDF.ICF that already been developed from the method before. TF.IDF.ICF cant be used alone. there must be another method that used before, such as cosine similarity for distance calculation method and KNN for classification method in order TF.IDF.ICF can be used by all atributes. This application will be focused on the PJB company's creative idea and these ideas will be in indonesian language. This application will do a few processing steps such as, tokenizing for breaking sentence into words, filtering which is elimination of stopwords, stemming, cosine similarity, and KNN. each method used for distance calculation and classification calculation process. From the testing result that has been done,the system could produce the best accuracy as big as 93% by using the value of K as big as 1 using the precentage of test data as big 50 produce the ideal classification.Keywords: idea, class, cosine, knn
Analisis Penentuan Lokasi Evakuasi Bencana Banjir Dengan Pemanfaatan Sistem Informasi Geografis Dan Metode Simple Additive Weighting Lumban Batu, Juliana Andretha Janet; Fibriani, Charitas
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (116.224 KB) | DOI: 10.25126/jtiik.201742315

Abstract

AbstrakKota Surakarta merupakan kota dengan ancaman banjir yang cukup besardan kebanyakan diantaranya merupakan genangan, mengingat bahwa kondisi geografis kota Surakarta yaitu salah satunya dikelilingi oleh bantaran sungai bengawan solo. Tingginya curah hujan sewaktu-waktu dapat menyebabkan aliran sungai tidak dapat menahan debit air sehingga menyebabkan meluapnya air dan menyebabkan banjir. Upaya mitigasi dengan cara memberi peringatan dini kepada masyarakat dirasa dapat menjadi salah satu upaya dalam menekan angka kerugian sebelum bencana banjir datang. Dengan pemanfaatan Sistem Informasi Geografis serta metode Simple Additive Weighting dalam menentukan lokasi evakuasi bencana banjir maka diharapkan ketika banjir datang maka masyarakat kota Surakarta dapat memiliki persiapan lebih dini. Hal ini juga dapat membantu pihak pemerintahan terkhususnya pihak Badan Penanggulangan Bencana Daerah (BPBD) dalam melakukan evakuasi ketika banjir datang.Kata kunci: sistem informasi geografis, simple additive weighting, mitigasi, lokasi evakuasi, surakarta.AbstractSurakarta is a city with a fairly high threat of flooding and most of them are puddles in some areas, considering that one of the geographical conditions of Surakarta was said that Surakarta surrounded by riverbank of bengawan solo. The river flow could not hold the water flow whenever heavy rainfall come and could possibly causing an overvlow and cause of flooding. The attempts of mitigation by giving early warning to the public is considered to be one attempts to reduce the number of losses before the flood came.With the use of Geographic Information Systems and Simple Additive weighting method to determine the great location of shelter then the people of the city of Surakarta could have early preparation before the floods come as it expected. This attempts can also help the government especially to the Badan Penanggulangan Bencana Daerah (BPBD) in attempt of the evacuation when the flood came.Keywords: geographic information system, simple additive weighting, mitigation, shelter, surakarta.
Hybrid K-means Dan Particle Swarm Optimization Untuk Clustering Nasabah Kredit Anggodo, Yusuf Priyo; Cahyaningrum, Winda; Fauziyah, Aprilia Nur; Khoiriyah, Irma Lailatul; Kartikasari, Oktavianis; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (277.188 KB) | DOI: 10.25126/jtiik.201742303

Abstract

AbstrakKredit merupakan suatu pendapatan terbesar bagi bank. Akan tetapi, bank harus selektif dalam menentukan nasabah yang dapat menerima kredit. Permasalahan ini menjadi semakin komplek karena ketika bank salah memberikan kredit kepada nasabah dapat merugikan, selain itu banyaknya parameter penentu dalam penentuan nasabah yang kredit. Clustering merupakan salah satu cara untuk dapat menyelesaikan permasalahan ini. K-means merupakan metode yang simpel dan popular dalam menyelesaikan permasalahan clustering. Akan tetapi, K-means murni tidak dapat memberikan solusi optimum sehingga perlu dilakukan improve untuk mendapatkan solusi optimum. Salah satu metode optimasi yang dapat menyelesaikan permasalahan optimasi dengan baik adalah particle swarm optimization (PSO). PSO sangat membantu dalam proses clustering dengan melakukan optimasi pada titik pusat tiap cluster. Untuk meningkatkan hasil yang lebih baik pada PSO ada beberapa improve yang dilakukan. Pertama penggunaan time-variant inertia untuk membuat nilai w atau inertia dinamis ditiap iterasi. Kedua melakukan kontrol kecepatan partikel atau velocity clamping untuk mendapatkan posisi terbaik. Selain itu untuk mengatasi konvergensi dini dilakukan hybrid PSO dengan random injection. Hasil pengujian menunjukan hybrid PSO K-means memberikan hasil terbesar dibandingkan K-means dan PSO K-means, dimana silhouette dari K-means, PSO K-means, dan hybrid PSO K-means masing-masing 0.57343, 0.792045, 1.Kata kunci: Kredit, Clustering, PSO, K-means, Random InjectionAbstractCredit is the biggest revenue for the bank. However, banks have to be selective in deciding which clients can receive the credit. This issue is becoming increasingly complex because when the bank was wrong to give credit to customers can do harm, apart of that a large number of deciding parameter in determining customer credit. Clustering is one way to be able to resolve this issue. K-means is a simple and popular method for solving clustering. However, K-means pure can’t provide optimum solutions so that needs to be done to get the optimum solution to improve. One method of optimization that can solve the problems of optimization with particle swarm optimization is good (PSO). PSO is very helpful in the process of clustering to perform optimization on the central point of each cluster. To improve better results on PSO there are some that do improve. The first use of time-variant inertia to make the dynamic value of inertial w each iteration. Both control the speed of the particle velocity or clamping to get the best position. Besides to overcome premature convergence do hybrid PSO with random injection. The results of this research provide the optimum results for solving clustering of customer credits. The test results showed the hybrid PSO K-means provide the greatest results than K-means and PSO K-means, where the silhouette of the K-means, PSO K-means, and hybrid PSO K-means respectively 0.57343, 0.792045, 1.Keywords: Credit, Clustering, PSO, K-means, Random Injection

Page 1 of 1 | Total Record : 10


Filter by Year

2017 2017


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 (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