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 16 Documents
 1   2 
Search results for , issue "Vol 5 No 5: Oktober 2018" : 16 Documents clear
K-Means Clustering untuk Data Kecelakaan Lalu Lintas Jalan Raya di Kecamatan Pelaihari Aprianti, Winda; Permadi, Jaka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.995 KB) | DOI: 10.25126/jtiik.2018551113

Abstract

Kecelakaan lalu lintas di jalan raya masih menjadi penyumbang tingginya angka kematian di Indonesia, sehingga menjadi perhatian khusus bagi kepolisian di negara ini. Termasuk Kepolisian Resor (Polres) Tanah Laut, yang telah membuktikan perhatian tersebut dengan membentuk komunitas korban kecelakaan lalu lintas dan Pelatihan Pertolongan Pertama Gawat Darurat (PPGD). Tahapan awal pencegahan kecelakaan lalu lintas adalah dengan mengetahui faktor-faktor penyebab kecelakaan lalu lintas yang diperoleh melalui analisa data kecelakaan. Analisa tersebut dapat dilakukan dengan data mining, yaitu K-Means Clustering. K-Means Clustering mengelompokkan data menjadi beberapa cluster sesuai karakteristik data tersebut. Data kecelakaan lalu lintas dibagi menjadi 2 dataset, yakni dataset 1 dan dataset 2. Hasil cluster penerapan K-means clustering terhadap dataset 1 dan dataset 2 kemudian dilakukan pengujian silhoutte coefficient untuk mencari hasil cluster dengan kualitas terbaik. Pengujian silhoutte coefficient secara berurutan menghasilkan distance measure paling optimal yakni clustering dengan 4 cluster untuk dataset 1 dan clustering dengan 2 cluster untuk dataset 2. Selain memperoleh cluster dengan kualitas terbaik, penganalisaan data juga menghasilkan beberapa informasi kecelakaan lalu lintas yang sering terjadi, yakni faktor penyebab dan korban kecelakaan adalah pengemudi, umur korban adalah 9 sampai 28 tahun, dan keadaan korban kecelakaan adalah luka ringan. AbstractTraffic accidents on the highway are still contribute to the high mortality rate in Indonesia, which are becoming a special concern for the police. Including the Police of Tanah Laut Resort where prove themselves by established The Community of Traffic Accident Victims and Emergency First Aid Training. The first prevention of traffic accidents is knowing the factors causing traffic accidents which is obtained through the analysis of traffic accident’s data. It can be done through data mining, i.e. K-Means Clustering, which is clustering data into clusters according to characteristics of the data. Traffic accident data is divided into two datasets, namely dataset 1 and dataset 2. After obtaining the cluster results, the next step is to calculate silhoutte coefficient which is used to find the best quality cluster result. The result of testing silhoutte coefficient are clustering with 4 clusters for dataset 1 and clustering with 2 clusters for dataset 2. Analyzing data in this research also produces some information on traffic accidents that often occur, namely the causes and victims of accidents are drivers, the age of the victims is between 9 and 28 years old, and the circumstance of the accidents victims are minor injuries.
Implementasi Web Crawling untuk Mengumpulkan Informasi Wisata Kuliner di Bandar Lampung Hanifah, Raidah; Nurhasanah, Isye Susana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (349.07 KB) | DOI: 10.25126/jtiik.201855842

Abstract

Bandar Lampung merupakan ibu kota Provinsi Lampung yang terletak di ujung pulau Sumatera. Berbeda dengan beberapa Kabupaten di Provinsi Lampung yang memiliki banyak potensi wisata alam, Bandar Lampung sebagai pusat kota tidak banyak memiliki potensi wisata alam. Namun, kota Bandar Lampung masih memiliki potensi untuk mengembangkan wisata kulinernya. Untuk menangkap peluang ekonomi dari wisata kuliner, salah satu caranya adalah dengan membuat pemetaan lokasi-lokasi wisata kuliner strategis yang telah dan berpotensi untuk berkembang, serta membuat perencanaan dan program pengembangan wisata kuliner beserta dengan promosinya yang efektif dan optimal. Sebelum hal tersebut dilakukan, tentunya dibutuhkan informasi terkait kondisi wisata kuliner yang ada saat ini, seperti berapa jumlah wisata kuliner dan letak persebaran lokasinya.  Sayangnya, informasi tersebut belum diakomodasi oleh pemerintah kota Bandar Lampung. Informasi terkait kuliner di Bandar Lampung justru tersedia di berbagai website dan media sosial lainnya, mengingat saat ini orang senang berbagi informasi melalui internet. Oleh karena itu, penelitian ini bertujuan untuk mengumpulkan informasi kuliner di Bandar Lampung yang tersebar di web. Untuk mencapai tujuan tersebut, dilakukan penggalian web (web mining) untuk mendapatkan informasi terkait wisata kuliner di Bandar Lampung dengan metode web crawling. Hasil web crawling dari website TripAdvisor, didapatkan berbagai macam informasi seperti nama restoran, alamat, nomor telepon, rating serta jumlah orang yang me-review kuliner tersebut. Informasi yang telah dikumpulkan tersebut dapat dianalisis lebih lanjut untuk berbagai kebutuhan, seperti analisis spasial persebaran objek wisata kuliner, analisis rasio perkembangan jumlah wisata kuliner terhadap jumlah wisatawan yang datang, perencanaan pengembangan wisata kuliner di suatu wilayah secara spesifik maupun komprehensif, serta lokasi dan jenis kuliner yang paling diminati. AbstractBandar Lampung is the capital city of Lampung Province which is located on the edge of the Sumatera island. Unlike some regencies in Lampung Province which have a lot of potential natural tourism, Bandar Lampung as a capital city does not have much. However, Bandar Lampung city still has the potential to develop its culinary tourism. To capture the economic opportunities of culinary tourism, one of the way is to map strategic culinary tourism locations that have developed and potentially develop, and create a comprehensive planning and programs for culinary tourism development along with effective and optimal promotion. But before that, information regarding the current conditions of culinary tourism is needed; for instance, how many and where the location of the culinary tourism are in Bandar Lampung area. Unfortunately, this information has not accomodate yet by the municipility government. Culinary information in Bandar Lampung is actually available on various websites and other social media, considering that currently people like to share information via the internet. So, this study aim is to collect culinary tourism information in Bandar Lampung that  sprawl in web. In accomplishing the goal, this research conducts web mining to get information related to culinary tourism in Bandar Lampung by web crawling method. The results of web crawling from the TripAdvisor website such as restaurant name, address, telephone number, rating and the number of people who reviewed the culinary. The result of this research can be use for further analysis with difference approach and goals, such as spatial analysis of culinary tourism sprawl, analysis the impact of culinary tourism development to the number of tourists coming, culinary tourism development and planning in certain region, as well as the type and location of favorable culinary in Bandar Lampung.
Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation Tempola, Firman; Muhammad, Miftah; Khairan, Amal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (679.097 KB) | DOI: 10.25126/jtiik.201855983

Abstract

Penelitian ini akan membandingkan dua algoritma klasifikasi yaitu K-Nearest Neighbour dan Naive Bayes Classifier pada data-data aktivitas status gunung berapi yang ada di Indonesia. Sedangkan untuk validasi data menggunakan k-fold cross validation. Dalam penentuan status gunung berapi pusat vulkanologi dan mitigasi bencana geologi melakukan dengan dua hal yaitu pengamatan visual dan faktor kegempaan. Pada penelitian ini dalam melakukan klasifikasi aktivitas gunung berapi menggunakan faktor kegempaan. Ada 5 kriteria yang digunakan dalam melakukan klasifikasi yaitu empat faktor kegempaan diantaranya gempa vulkanik dangkal, gempa tektonik jauh, gempa vulkanik dalam, gempa hembusan dan ditambah satu kriteria yaitu status sebelumnya. Ada 3 status yang di yang diklasifikasi yaitu normal, waspada dan siaga. Hasil penelitian yang dibagi kedalam 3 fold disetiap metode klasifikasi didapat perbandingan akurasi sistem rata-rata tertinggi pada k-nn 63,68 % dengan standar deviasi 7,47 %. Sedangkan dengan menggunakan naive bayes didapat rata-rata akurasi sebesar 79,71 % dengan standar deviasi 3,55 %. Selain itu, penggunaan naive bayes jaraknya akurasi lebih dekat dibandingan dengan k-nn. AbstractThis research will compare two classification algorithms that are K-Nearest Neighbors and Naive Bayes Classifier on data of volcanic status activity in Indonesia. While for data validation use k-fold cross validation. In determining the status of volcanology center volcanology and geological disaster mitigation to do with two things: visual observation and seismic factors. In this research in doing the classification of volcanic activity using earthquake factor. There are 5 criteria used in the classification of four seismic factors such as shallow volcanic earthquakes, distant tectonic earthquakes, volcanic earthquakes in the earthquake, blast and plus one criterion that is the previous status. There are 3 statuses in which are classified ie normal, alert and alert. The results of the study are divided into 3 fold in each classification method obtained comparison of the highest average system accuracy at 63.68% k-nn with a standard deviation of 7.47%. While using naive bayes obtained an average accuracy of 79.71% with a standard deviation of 3.55%. In addition, the use of naive bayes is closer to the accuracy of k-nn.
Penerapan Bidirectional Search dan Held-Karp pada Penentuan Rute Pengiriman Produk Rahayuda, I Gede Surya; Santiari, Ni Putu Linda; Arso, Norsa Yudhi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (455.543 KB) | DOI: 10.25126/jtiik.201855881

Abstract

Bidirectional Search dan Held-Karp merupakan salah satu metode pencarian jalur terdekat atau sering disebut dengan metode shortes path. Bidirectional Search mencari jalur terdekat dengan melakukan pencarian dwi arah, proses pertama dimulai dari level awal graph matrix menuju level selanjutnya dan proses kedua dimulai dari level akhir menuju level sebelumnya. Proses tersebut akan menghasilkan rute awal dan rute akhir, kemudian kedua rute tersebut dirangkai menjadi rute gabungan. Tidak seperti pada metode Bidirectional Search, pada metode Held-Karp hanya dilakukan satu proses pencarian, dan pada metode Held-Karp proses pencarian sudah memperhitungkan mengenai jarak yang ditempuh sampai dengan kembali ke titik awal. Pada penelitian ini metode Bidirectional Search dan Held-Karp akan dikembangkan dalam bentuk program menggunakan bahasa pemrograman visual basic. Program tersebut diterapkan untuk menentukan jalur terbaik pada kasus pengiriman produk. Bidirectional Search juga akan dibandingkan dengan metode Held-Karp. Percobaan yang dilakukan pada beberapa data tes berupa paket pengiriman produk, didapatkan bahwa metode Held-Karp mendapatkan rata-rata hasil rute pengiriman yang lebih baik sekitar 5 % dibandingkan dengan metode Bidirectional SearchAbstract Bidirectional Search and Held-Karp is one type of the shortes path methods. Bidirectional Search looks for the nearest path by doing a two way search, the first process starts from the initial level of the graph matrix to the next level and the second process starts from the end level to the previous level. The process will generate the initial route and the final route, then the two routes are assembled into a combined route. Bidirectional Search does not count the process of returning from the final destination to the starting point or appropriate for non circular paths.Unlike Bidirectional Search method, Held-Karp method only performs one way search process, and in the Held-Karp method the search process has calculated the distance traveled up to the return point or appropriate for circular paths. In this research, Bidirectional Search and Held-Karp method will be developed into desktop program using visual basic programming language. The program is implemented to determine the best path in case of product delivery. Bidirectional Search will also be compared to the Held-Karp method. Experiments performed on some tes data in the form of product delivery package, it is found that the Held-Karp method gets the average result of better delivery route about 5% compared to Bidirectional Search method.
Support Vector Machine Berbasis Feature Selection Untuk Sentiment Analysis Kepuasan Pelanggan Terhadap Pelayanan Warung dan Restoran Kuliner Kota Tegal Somantri, Oman; Apriliani, Dyah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4454.184 KB) | DOI: 10.25126/jtiik.201855867

Abstract

Abstrak Setiap pelanggan pasti menginginkan sebuah pendukung keputusan dalam menentukan pilihan ketika akan mengunjungi sebuah tempat makan atau kuliner yang sesuai dengan keinginan salah satu contohnya yaitu di Kota Tegal. Sentiment analysis digunakan untuk memberikan sebuah solusi terkait dengan permasalahan tersebut, dengan menereapkan model algoritma Support Vector Machine (SVM). Tujuan dari penelitian ini adalah mengoptimalisasi model yang dihasilkan dengan diterapkannya feature selection menggunakan algoritma Informatioan Gain (IG) dan Chi Square pada hasil model terbaik yang dihasilkan oleh SVM pada klasifikasi tingkat kepuasan pelanggan terhadap warung dan restoran kuliner di Kota Tegal sehingga terjadi peningkatan akurasi dari model yang dihasilkan. Hasil penelitian menunjukan bahwa tingkat akurasi terbaik dihasilkan oleh model SVM-IG dengan tingkat akurasi terbaik sebesar 72,45% mengalami peningkatan sekitar 3,08% yang awalnya 69.36%. Selisih rata-rata yang dihasilkan setelah dilakukannya optimasi SVM dengan feature selection adalah 2,51% kenaikan tingkat akurasinya. Berdasarkan hasil penelitian bahwa feature selection dengan menggunakan Information Gain (IG) (SVM-IG) memiliki tingkat akurasi lebih baik apabila dibandingkan SVM dan Chi Squared (SVM-CS) sehingga dengan demikian model yang diusulkan dapat meningkatkan tingkat akurasi yang dihasilkan oleh SVM menjadi lebih baik.Abstract The Customer needs to get a decision support in determining a choice when they’re visit a culinary restaurant accordance to their wishes especially at Tegal City. Sentiment analysis is used to provide a solution related to this problem by applying the Support Vector Machine (SVM) algorithm model. The purpose of this research is to optimize the generated model by applying feature selection using Informatioan Gain (IG) and Chi Square algorithm on the best model produced by SVM on the classification of customer satisfaction level based on culinary restaurants at Tegal City so that there is an increasing accuracy from the model. The results showed that the best accuracy level produced by the SVM-IG model with the best accuracy of 72.45% experienced an increase of about 3.08% which was initially 69.36%. The difference average produced after SVM optimization with feature selection is 2.51% increase in accuracy. Based on the results of the research, the feature selection using Information Gain (SVM-IG) has a better accuracy rate than SVM and Chi Squared (SVM-CS) so that the proposed model can improve the accuracy of SVM better.
Halaman Belakang & Daftar Indeks purbosari, lina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1769.766 KB) | DOI: 10.25126/jtiik.2018551254

Abstract

Page 2 of 2 | Total Record : 16

 1   2 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol 13 No 1: Februari 2026 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: Oktober 2015 Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue