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 6: Desember 2018" : 16 Documents clear
Penerapan Metode Background Subtraction dengan Menggunakan Kandidat Sampling Background untuk Deteksi Kemacetan Prabowo, Cipto; Zurnawita, Zurnawita
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (67.232 KB) | DOI: 10.25126/jtiik.2018561155

Abstract

Penggunaan teknologi informasi untuk mengatasi kemacetan lalu lintas sudah banyak digunakan, salah satunya adalah dengan menggunakan CCTV. Citra dari CCTV diurai antara foreground (citra kendaraan, sebagai salah satu komponen penyebab kemacetan) dan backgroundnya (citra latar lalu lintas), fokus penelitian salah satunya adalah cara menentukan background model dengan berbagai macam teknik. Pada penelitian ini mencoba memberikan alternatif penentuan background model dengan menerapkan kandidat sampling background sebagai background model. Lokasi penelitan pada simpang bypass ketaping padang dan pengambilan gambar menggunakan raspberry pi dan web camera dengan arah tembakan menyamping dan durasi tembakan tiap menit. Hasil yang didapatkan cukup memuaskan terutama pada kondisi pagi dan siang hari. Abstract The use of information technology to overcome traffic congestion has been widely used, one of them is by using CCTV. The image of CCTV is parsed between the foreground (vehicle image, as one of the components of the congestion cause) and the background (traffic background image), the focus of research is one way of determining the background model with various techniques. In this research try to give alternative background model determination by applying background sampling candidate as background model. Research location at intersection bypass ketaping and taking pictures using raspberry pi and web camera with sideways shot direction and duration of shots every minute. The results obtained are quite satisfactory, especially in the condition of morning and afternoon.
Pengenalan Barang Pada Kereta Belanja Menggunakan Metode Scale Invariant Feature Transform (SIFT) Akbar, Ronny Makhfuddin; Sunarmi, Nani
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3805.372 KB) | DOI: 10.25126/jtiik.2018561046

Abstract

Menunggu dalam suatu antrian di supermarket sering terjadi dalam kehidupan sehari-hari. Antrian tersebut terjadi karena pada kasir mengharuskan setiap barang diperiksa untuk dipindai menggunakan barcode. Hal ini dapat diatasi dengan menggunakan aplikasi pengenalan atau deteksi barang berbasis pengolahan citra yang akan membantu mengurangi permasalahan pada kasir seperti scanner tidak mengenali barcode barang, label harga barang tidak dapat dikenali sehingga membuat proses pelayanan menjadi lama. Tujuan dari penelitian ini adalah membuat algoritma yang membantu kasir untuk mengenali barang pada kereta belanja dan menampilkan harga barang dengan hanya mengambil citra kereta belanja. Algoritma yang diusulkan untuk mendeteksi dan mengidentifikasi beberapa barang dengan pencocokan citra menggunakan Scale Invariant Feature Transform (SIFT) serta metode RANSAC digunakan untuk menghasilkan homography terbaik untuk memetakan kotak pembatas dari database citra ke citra kereta belanja. Citra akan tersegmentasi berdasarkan barang yang ada, dan masing-masing segmen akan dianalisis secara independen dengan asumsi gambar label depan yang diambil. Begitu barang dikenali, harga setiap barang ditambahkan untuk mendapatkan harga total. Citra hasil menunjukkan posisi barang pada citra dengan informasi harga barang dan total belanja. Sistem ini dapat mengenali barang dalam citra kereta belanja dengan tingkat akurasi 100% terhadap jumlah barang pada kereta belanja sebanyak 2 sampai 5 barang, tingkat akurasi 20%  dengan jumlah 6 dan 7 barang, tingkat akurasi 0% dengan jumlah 8 sampai 10 barang. Sistem ini juga dapat mengenali barang tumpang tindih dengan presentase fitur area barang bawah lebih besar dibandingkan barang atas, serta mayoritas sistem hanya bisa mengenali barang dengan bentuk objek datar. AbstractWaiting in a queue at supermarkets often happens in everyday life. The queue occurs because the cashier requires each item to be scanned one by one using a barcode. This can be overcome by using an object recognition or detection application based on image processing that will help speed up the process of scanning item at the cashier by scanning several items at the same time on the shopping cart and display the name, price, and total amount of shopping. The purpose of this research was to apply an algorithm that helps the cashiers to recognize item on shopping carts and display the price of item by simply taking a image of a shopping cart. The algorithm proposed to detect and identify several items with image matching using Scale Invariant Feature Transform (SIFT). And the algorithm used to filter false match at image matching using RANSAC method and to produce the best homography to map the boundary box of item in the image of the shopping cart. The result image shows the position of the item in the image with information on the price of the item and total amount of shopping. This system can recognize items in the shopping cart image with an average of accuracy rate at 48.89% based on the number of items and the distance of image capture. Accuracy rate of 100% based on number of items in the shopping cart as much as 2-4 items at close distance (30-60 cm), accuracy rate of 46.67% with 5-7 items at medium distance (60-90 cm), accuracy rate of 0% with 8-10 items at far distance (more than 90 cm). This system can also recognize well on overlapping items on the surface covered 20%, 40%, 60%, and 80%, and the majority of the system can only recognize items with flat object shapes.
Pengendalian Kestabilan Terbang Robot Penjelajah Udara Dengan Metode Hybrid PID-FUZZY Yanti, Nur; Rachman, Fathur Zaini; Suhaedi, Suhaedi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (181.771 KB) | DOI: 10.25126/jtiik.2018561134

Abstract

Abstrak Pengembangan robot dengan sistem kecerdasan buatan memiliki keunggulan, seperti pada robot penjelajah udara dimana pemanfaatannya dapat digunakan sebagai robot pemadam api pada kebakaran hutan, pengambilan gambar. Robot penjelajah udara beroperasi menggunakan empat rotor dan empat buah baling-baling. Karena kombinasi inilah sistem mampu mengendalikan gaya angkat pesawat,  melalui kondisi torsi yang seimbang. Robot mampu melakukan pitch, yaw, dan roll menggunakan kendali empat rotor. Ketika robot penjelajah udara melakukan gerakan manuver, gerakan melayang (hovering) memerlukan kestabilan terbang, sehingga robot penjelajah udara ini dirancang dengan menggunakan sistem kendali hibrid PID-Fuzzy agar dihasilkan kestabilan terbang sesuai posisi ketinggian tertentu dan proses pendaratan. Metode penelitian meliputi perancangan rangkaian dan alat, pembuatan program untuk remote dan motor brushless, implementasi program pada kontroler, serta pengujian alat. Dengan kendali hibrid PID-Fuzzy diharapkan mengatasi berbagai masalah kendali saat terbang dengan mengubah nilai gain Kp, Ki, dan Kd dan mampu mengatasi sistem kendali robot yang nonlinier, sehingga dihasilkan kestabilan terbang robot yang baik sesuai tingkat ketinggian terbang dan saat pendaratan.    Abstract  The development of robots with artificial intelligence systems has advantages, such as in air explorers robots where their utilization can be used as fire fighting robots in forest fires, shooting. The air explorer robot operates using four rotor and four propellers. Because of this combination the system is able to control the lifting force of the aircraft, through a balanced torque conditions. The robot is able to pitch, yaw, and roll using the four rotor controls. When the air-cruise robot performs a maneuvering motion, hovering requires flying stability, so the air explorer robot is designed using a PID-Fuzzy hybrid control system to generate flying stability in a certain altitude position and landing process. Research methods include circuit design and tools, programming for remote and brushless motors, program implementation on controllers, and tool testing. With PID-Fuzzy hybrid control is expected to overcome the problems of control when flying by changing the gain value Kp, Ki, and Kd and able to overcome the nonlinear robot control system, resulting in good robot flying stability according to the level of flying altitude and when landing.
Clustering Credit Card Holder Berdasarkan Pembayaran Tagihan Menggunakan Improved K-Means dengan Particle Swarm Optimization Mar'i, Farhanna; Supianto, Ahmad Afif
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3093.112 KB) | DOI: 10.25126/jtiik.201856858

Abstract

AbstrakKartu kredit merupakan salah satu bentuk media bagi nasabah untuk melakukan kredit dalam sebuah proses transaksi yang telah disetujui oleh bank bersangkutan. Bank harus selektif dalam menganalisa nasabah yang ingin mengajukan penerbitan kartu kredit untuk menghindari adanya kredit macet yang dapat menimbulkan kerugian pada bank, sehingga sangat penting untuk mengetahui karakteristik nasabah dengan melakukan  clustering. Bank akan dapat mengambil keputusan untuk pertimbangan penerbitan kartu kredit dengan mencocokkan nasabah baru kedalam cluster-cluster yang telah dibentuk dan mengetahui kelayakan nasabah untuk diberikan akses kartu kredit dalam melakukan transaksi. K-Means adalah salah satu metode populer yang digunakan untuk clustering. Tetapi, metode K-Means tidak dapat memberikan solusi optimum karena keterbatasannya dalam penentuan titik centroid yang optimal, sehingga untuk memperbaiki metode K-Means dalam penelitian ini digunakan salah satu algoritma evolusi yaitu Particle Swarm Optimization (PSO) untuk generate titik centroid optimum yang digunakan dalam proses perhitungan K-Means. Hasil pengujian dilakukan dengan membandingkan nilai Silhouette Coefficient dari cluster yang dibentuk menggunakan K-Means murni dan Improved K-Means dengan PSO yang menghasilkan nilai masing–masing yaitu 0,3312 dan 0,3730. AbstractCredit card is one form of media for customers to credit in a transaction process that has been approved by the bank concerned. Banks should be selective in analyzing customers who want to apply for credit card issuance to avoid bad debts that can cause losses to banks, so it is very important to know the characteristics of customers by clustering. The Bank will be able to take decisions for credit card issuance by matching new customers into the established clusters and knowing the eligibility of customers to be granted credit card access in making transactions. K-Means is a popular method that is applied in the clustering process. However, the K-Means method can not provide the optimum solution because of its limitation in determining the optimal centroid point, so to improve the K-Means method in this research is used one of the evolution algorithm namely Particle Swarm Optimization (PSO) to generate optimum centroid point used in k-means calculation process. The test results were performed by comparing the coefficient silhouette values of the clusters formed using pure K-Means and Improved K-Means with PSO which yielded respective values of  0,31614 and 0,39484, respectively. 
Sistem Pengolahan Citra Digital untuk Menentukan Bobot Sapi Menggunakan Metode Titik Berat Mustafid, Ahmad; 'Uyun, Shofwatul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3672.809 KB) | DOI: 10.25126/jtiik.201856841

Abstract

AbstrakPenentuan harga sapi umumnya disepakati melalui tawar menawar dan interaksi antara permintaan dan penawaran untuk menentukan harga bukan didasarkan pada bobot sapi yang dijual. Kebanyakan menggunakan perhitungan secara kasar maupun secara kira-kira. Terdapat rumus untuk menghitung bobot sapi, rumus yang ada memerlukan informasi terkait lingkar dada dan panjang badan. Untuk mendapatkan nilai lingkar dada dan panjang badan perlu dilakukan pengukuran secara manual, namun di lapangan hal tersebut tidak mudah dilakukan karena sapi sulit dikondisikan. Oleh karena itu diperlukan alat yang dapat mengukur secara mudah. Tulisan ini merupakan tahap kedua dari penelitian untuk menentukan bobot sapi dari hasil akuisisi citra sapi. Oleh sebab itu pada tahap kedua ini difokuskan pada pemilihan rumus penentuan bobot sapi dan usulan algoritma untuk menentukan bobot dari gambar hasil akuisisi citra. Hasil analisis penentuan bobot sapi menggunakan rumus Schoorl dan rumus Modifikasi memiliki nilai penyimpangan bobot badan sebesar 16,87% untuk rumus Schoorl dan nilai penyimpangan bobot badan sebesar 10,58 % untuk rumus Modifikasi. Hasil perhitungan citra tidak berbeda secara signifikan yaitu dengan faktor ketelitian secara statistis dengan nilai MAE (Mean Absolute Error) sebesar 8,15% untuk panjang badan dan sebesar 4,10% untuk lingkar dada. Aplikasi pengolahan citra digital yang dibagun dapat mengetahui berat badan/bobot sapi dengan nilai MAE (Mean Absolute Error) sebesar 8,97% terhadap rumus Modifikasi. Abstract The price determination of cows is generally agreed through bargaining and interacting with demand and supply to establish the general level of the price but it is not based on the weight of the cow itself. The tool that the most commonly used is by rough calculation or approximation. There were formulas to measure the weight, but it required chest circumference and the length of the body information. The values ware obtained manually using the measuring tool, but the reality is inconvenient to do, because of the difficulty conditioning the cows. Therefore, it required a tool that can calculate easily. This article represented the second stages of the research to determine the weight of cows from the image acquisition. Consequently, at this second stage has been focused on the selection of the cow weighting formula and the proposed algorithm to determine the weight from the result of images that had been processed in the early stages. The result of cow weighting analysis using Schoorl formula and Modification/Lambourne formula had the value of body weight deviation of 16.87% and 10.58. The results of image calculation did not differ significantly with MAE (Mean Absolute Error) equal to 8,15% and 4,10% for body length and chest circumference, respectively. Digital image processing application that has been built was able to know the weight of cow with MAE (Mean Absolute Error) equal to 8,97% towards Modification/Lambourne formula. 
Halaman Belakang & Daftar Indeks purbosari, lina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 6: Desember 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (516.041 KB) | DOI: 10.25126/jtiik.2018561404

Abstract

Page 2 of 2 | Total Record : 16

 1   2 

Filter by Year

2018 2018


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