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 26 Documents
 1   2   3 
Search results for , issue "Vol 7 No 1: Februari 2020" : 26 Documents clear
Sentiment Analysis Twitter Bahasa Indonesia Berbasis WORD2VEC Menggunakan Deep Convolutional Neural Network Juwiantho, Hans; Setiawan, Esther Irawati; Santoso, Joan; Purnomo, Mauridhi Hery
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial sebagai media informasi dan komunikasi mulai berkembang pesat sejak internet mudah diakses. Orang dengan mudah menyatakan pendapat, ekspresi, opini, dan informasi melalui tulisan pada media sosial. Opini atau informasi pada media sosial dapat digunakan untuk menilai baik atau buruk suatu brand perusahaan. Orang cenderung jujur dalam mengungkapkan perasaan terhadap sesuatu pada media sosial. Dengan menggunakan sentiment analysis terhadap opini dari pelanggan, analisis opini dapat dilakukan secara otomatis. Perusahaan dapat secara langsung mengetahui tingkat kepuasan pelanggan dan digunakan untuk meningkatkan kualitas pelayanan hingga menaikan brand perusahaan. Penggunaan metode classical machine learning yang sudah banyak diterapkan pada sentiment analysis, tetapi metode tersebut tidak memperhatikan pentingnya urutan kata pada suatu kalimat. Metode deep learning dengan algoritme Deep Convolutional Neural Network ditawarkan untuk menjawab permasalahan tersebut dengan melakukan operasi convolution menggunakan filter sebesar ukuran window untuk mendapatkan fitur berdasarkan urutan kata. Model Word2Vec untuk Bahasa Indonesia digunakan sebagai representasi kata dalam bentuk vektor. Penggunaan Word2Vec juga mempercepat proses pelatihan dan meningkatkan akurasi algoritme Deep Convolutional Neural Network. Data yang digunakan dalam makalah ini adalah data Twitter Bahasa Indonesia dengan jumlah 999 tweet. Hasil percobaan yang telah dilakukan dengan algoritme Deep Convolutional Neural Network memiliki nilai akurasi terbaik sebesar 76,40%. AbstractSocial media as information media and communication is growing rapidly since the internet is easily accessible. People easily express opinions, expressions, and information by writing on social media. Opinion or information on social media can be used to assess how good or bad a companies is. People tend to be honest in expressing feelings towards something on social media. With sentiment analysis, analysis of the opinions of customers can be done automatically. The company will know the level of customer satisfaction and can be used to improve the quality of service to raise the company's brand. The use of classical machine learning methods that have been widely applied to sentiment analysis ignoring the importance of the word order in a sentence. Deep Convolutional Neural Network algorithm is offered to answer these problems by carrying out convolution operations using filters as large as window size to get features based on word order. Word2Vec model for Indonesian is used as a word vector representation. The use of Word2Vec also reduce the training time and improve the accuracy of the Deep Convolutional Neural Network algorithm. The data used in this paper is Indonesian Twitter data with 999 tweets. The results of experiments that have been carried out with the Deep Convolutional Neural Network algorithm have the best accuracy value of 76.40%.
Analisis Metode AHP dan Promethee pada Sistem Pendukung Keputusan Penilaian Kompetensi Soft Skills Karyawan yuminah, Yuminah; Umar, Rusydi; Fadlil, Abdul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perusahaan sangat membutuhkan karyawan yang mempunyai kompetensi (soft skills) sikap dan perilaku yang baik untuk menghadapi orang lain dalam menyelesaikan pekerjaan, contohnya komunikasi, kejujuran, kerjasama dan interpersonal. Untuk melakukan penilaian kompetensi soft skills membutuhkan berbagai kriteria yang sangat beragam. Kriteria-kriteria yang terkait untuk menilai sikap dan perilaku sangat banyak, sehingga untuk melakukan penilaian kompetensi soft skills ini dengan hasil yang tepat dan cepat perusahaan mengalami kesulitan. Kondisi tersebut menunjukan bahwa perusahaan  membutuhkan  sebuah sistem yang dapat digunakan untuk penilaian kompetensi soft skills karyawan menggunakan alat bantu berupa komputer. Ada beberapa metode yang dapat digunakan untuk pengambilan keputusan dengan berbagai kriteria di antaranya AHP dan Promethee.  Maka fokus dalam penelitian ini adalah menggunakan metode AHP untuk menentukan pembobotan dan Promethee untuk pemeringkatan penilaian soft skills karyawan. Hasil pembobotan yang diperoleh untuk kriteria komunikasi 41%, kejujuran 38%, kerjasama 14% dan interpersonal 7%. Dengan rasio indeks konsistensi 6%. Dari jawaban responden diperoleh 58 % karyawan mempunyai kompetensi soft skills baik dan 42 % karyawan  kurang baik.AbstractCompanies that really need employees who need competencies (soft skills) Good attitudes and relationships to complete other people's work, for example communication, honesty, cooperation and interpersonal. To evaluate soft skills competencies requires a variety of criteria that are very diverse. The related criteria to assess attitudes and behavior are very many, so to evaluate this soft skills competency with the right and quick results the company has difficulties. This condition shows that companies need a system that can be used to assess the competency of employees' soft skills using computer-assisted tools. There are several methods that can be used for decision making with various criteria including AHP and Promethee. So the focus in this study is to use the AHP method to determine weighting and Promethee to rank the assessment of employee soft skills. The weighting results obtained for communication criteria were 41%, honesty 38%, cooperation 14% and interpersonal 7%. With a consistency index ratio of 6%. From the respondents' answers obtained 58% of employees have good soft skills competency and 42% of employees are not good.
Klasifikasi Otomatis Motif Tekstil Menggunakan Support Vector Machine Multi Kelas Ramadhani, Ramadhani; Arnia, Fitri; Muharar, Rusdha
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tekstur merupakan pola atau motif tertentu yang tersusun secara berulang-ulang pada citra. Tekstur mudah dikenali/dikelompokkan oleh manusia, tetapi sulit bagi mesin. Klasifikasi tekstur secara otomatis berguna dan dibutuhkan pada banyak bidang seperti industri tekstil, pendaratan pesawat otomatis, fotografi dan seni. Pada industri tekstil, klasifikasi tekstur otomatis dapat meningkatkan efisiensi proses desain motif. Motif tekstil terdiri dari banyak kelompok, sehingga diperlukan metode klasifikasi multi kelas untuk mengelompokkan motif-motif tersebut. Artikel ini memaparkan kinerja tiga metode Support Vector Machine (SVM) multi kelas: One Against One (OAO), Directed Acyclic Graph (DAG) dan One Against All (OAA) pada klasifikasi motif dari citra tekstil, dimana Wavelet Gabor digunakan sebagai pengekstraksi fitur. Kinerja SVM diukur berdasarkan parameter akurasi dan fitur Gabor diekstraksi dengan skala dan orientasi yang berbeda. Tujuan penelitian ini adalah menentukan kinerja SVM dan pengaruh jumlah skala dan orientasi Gabor yang digunakan pada klasifikasi motif tekstil. Pada simulasi digunakan 120 citra tekstil yang terbagi menjadi tiga kategori motif: bunga, kotak dan polkadot. Akurasi pengelompokan SVM mencapai kisaran 90%-100%, bahkan untuk citra yang terpotong. Pengujian dengan k-fold validation menunjukkan bahwa SVM DAG lebih baik daripada SVM OAO dan SVM OAA, dengan akurasi mencapai 78%. AbstractTexture is a repetition of a specific pattern concatenation in an image. The Texture can be defined as a repetition of pattern in an image.  The texture is easy for the human to classify, but it is not easy for a machine. Automatic texture classification is useful and required in many fields such as textile industry, automatic aircraft landing, photography and art. In the textile industry, automatic texture classification can enhance the efficiency of motif designing process. The textile motif is various and should be grouped into more than two classes; therefore a multiclass classification is required. This article discusses the performance of multiclass Support Vector Machine (SVM): One Against One (OAO), Directed Acyclic Graph (DAG) and One Against All (OAA) in classifying textile motifs, in which the Gabor Filter was used to extract the texture features. The SVM performance was measured in terms of accuracy, while the Gabor features were extracted in a different combination of scales and orientations. The purpose of the work is to measure the SVM performance and determine the effect of using various Gabor scales and orientations in textile motifs classification. We used 120 textile images with three motifs: flower, boxes and polka dot. The SVM accuracy of 90%-100% was achieved; even for cropped textile images. Using the k-fold validation, the accuracy of SVM DAG was 78%, higher than those of SVM OAO and SVM OAA
Penentuan Filterbank Wavelet Menggunakan Algoritma Mean Best Basis untuk Ekstraksi Ciri Sinyal Suara Ber-Noise Abdurahim, Abdurahim; Hidayat, Syahroni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Belakangan ini filterbank berbasis wavelet sebagai ekstraktor ciri mulai banyak dikembangkan untuk dapat menggantikan peran ciri Mel Frequency Cepstral Coefficient (MFCC) dalam sistem pengenalan suara otomatis. Salah satu filterbank ciri wavelet yang dikembangkan adalah Wavelet-Packet Cepstral Coefficient (WPCC). Namun sejauh ini pengembangannya hanya difokuskan untuk suara tanpa noise. Sehingga penelitian ini bertujuan untuk mendesain WPCC untuk suara yang mengandung noise. Algoritma Mean Best Basis (MBB) dan fungsi wavelet db44 dan db45 digunakan untuk memperoleh desain filterbank WPCC. Suara yang digunakan adalah rekaman suara vokal bahasa Indonesia a, i, u, e, é, o, dan ó yang mengandung noise. Hasil menunjukkan telah terbentuk dua buah desain filterbank WPCC. Masing-masing merupakan hasil penerapan fungsi daubechies db44 dan db45. Noise tidak memberikan pengaruh terhadap pembentukan kedua filterbank WPCC tersebut. Kedua bentuk filterbank telah memenuhi standar bentuk filter MFCC terutama untuk variabel range dan skala frekuensinya. Range frekuensinya berkisar antara 125 Hz - 1000 Hz dengan bentuk skala yang linier untuk frekuensi di bawah 1000 Hz. Sehingga dapat disimpulkan kedua bentuk filterbank WPCC ini dapat dipertimbangkan untuk digunakan sebagai ekstraktor ciri suara ber-noise. AbstractRecently wavelet-based filterbanks as feature start extractors have been widely developed to replace the role of the Mel Frequency Cepstral Coefficient (MFCC) feature in automatic speech recognition systems. One of the wavelet feature filterbanks developed is Wavelet-Packet Cepstral Coefficient (WPCC). But so far the development has only been focused on clean speech signal. So, the aim of this study is designing WPCC for a noisy speech signal. The Mean Best Basis (MBB) algorithm and db44 and db45 wavelet functions are applied to obtain the WPCC filterbank design. The noisy speech signal used is the recorded utterance Indonesian vowels a, i, u, e, é, o, and ó. The results show that two WPCC filterbank designs have been formed. Each of them is the result of applying the daubechies db44 and db45 functions. Noise has no effect on the establishment of both the WPCC filterbanks. Both fiterbank designs have met MFCC filter form standards, especially for its range of frequency and frequency scale. Its range of frequency is between 125 Hz - 1000 Hz with a linear scale for frequencies below 1000 Hz. Therefore it can be concluded that the two forms of WPCC filterbank can be considered to be used as a feature extractor for a noisy speech signal.
Rancang Bangun Electronic Customer Relationship Management pada Sistem Informasi Hotel dengan Framework of Dynamic CRM Monalisa, Siti; Bacin, Jukhri Syahputra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Hermes One Hotel Subulussalam merupakan hotel pertama di Subulussalam dengan klasifikasi bintang tiga di Kota Subulussalam Provinsi Aceh. Hotel ini masih menggunakan sistem konvensional dalam memberikan layanan pelanggan sehingga dikhawatirkan akan tertinggal dikarenakan banyaknya hotel-hotel baru yang telah menggunakan internet sebagai komunikasi antara pelanggan dan perhotelan. Internet memberikan manfaat sebagai interaksi sosial yang mampu mengantarkan banyak kemudahan komunikasi maupun informasi. Teknologi tersebut dinamakan dengan e-CRM dengan memadukan sebuah framework yang disebut Framework of Dynamic CRM. Framework ini terdiri dari tiga Fase yaitu acquire, retention  dan expantion. Pada tahap akuisisi ini perusahaan akan mendapatkan data pelanggan baru yang dibedakan menjadi dua yaitu  pelanggan perorangan dan perlanggan perusahaan. Pelanggan perusahaan pada tahap akuisisi ini akan mendapatkan kupon dengan batas kupon yang tersedia. Sedangkan pada tahap retensi, pelanggan perorangan mendapat diskon 5% dan pelanggan perusahaan mendapatkan free service jika telah melakukan transaksi pemesanan kamar lebih dari lima kali.AbstractHermes One Hotel Subulussalam is classification of three star hotel in Subulussalam City, Aceh Province. This hotel have the conventional system to customer service so will miss technology. the many new hotels that have used the internet as communication between customers and hotels. The internet provides benefits as a social interaction that can deliver a lot of ease of communication and information. The technology is called e-CRM by integrating a framework called the Framework of Dynamic CRM. This framework consists of three phases, namely acquire, retention and expansion.  The acquisition stage, the company will get new customer from individual and company customers. Company customers at the acquisition stage will get a coupon with the available coupon limit. While at the retention stage, individual customers get a 5% discount and company customers get a free service if they have made a room booking transaction more than five times.
Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree Tundo, Tundo; Akbar, Riolandi; Sela, Enny Itje
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020701751

Abstract

Penelitian ini menerangkan tentang analisis perbandingan fuzzy Tsukamoto dan Sugeno dalam menentukan jumlah produksi kain tenun dengan menggunakan base rule decision tree. Dari hasil analisis penelitian ini, maka ditemukan beberapa perbedaan yang sangat signifikan: (1) Metode fuzzy Tsukamoto dari hasil yang diperoleh lebih mendekati dari data sesungguhnya, dibandingkan dengan fuzzy Sugeno, (2) Selisih yang diperoleh dengan menggunakan fuzzy Tsukamoto dengan data produksi sesungguhnya selalu konsisten yaitu hasil fuzzy Tsukamoto selalu lebih besar, sedangkan untuk fuzzy Sugeno tidak konsisten, (3) Hasil selisih untuk fuzzy Tsukamoto relatif mendekati dari data produksi sesungguhnya, sedangkan untuk fuzzy Sugeno relatif jauh selisih yang dihasilkan. Sehingga dapat disimpulkan bahwa metode yang paling mendekati nilai kebenaran adalah produksi yang mengunakan metode Tsukamoto dengan keakuratan yang diperoleh menggunakan base rule decision tree sebesar 83.3333 %.AbstractThis study describes the comparative analysis of fuzzy Tsukamoto and Sugeno determining the amount of woven fabric production using a decision tree base rule. From the results the analysis of this study, we found several very significant differences: (1) The fuzzy Tsukamoto method of the results obtained is closer to the actual, compared to fuzzy Sugeno, (2) The difference obtained by using fuzzy Tsukamoto with actual production data is always consistent is that Tsukamoto fuzzy results are always greater, while for Sugeno's fuzzy inconsistency, (3) The difference results for fuzzy Tsukamoto are relatively close to the actual production data, whereas Sugeno fuzzy is relatively far from the difference produced. So it can be concluded that the method closest to the truth value is production using the Tsukamoto method with the accuracy obtained using the base rule decision tree of 83.3333%.
Analisis Beban Kerja Mental terhadap Aplikasi dengan Antarmuka Cerdas Mardhia, Murein Miksa; Bariyah, Choirul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini mengeksplorasi tentang bagaimana korelasi penerapan kognitif ergonomi yang terdapat di beberapa implementasi antarmuka sebuah perangkat lunak maupun website. Antarmuka tersebut diimplementasikan dengan dukungan kecerdasan buatan sehingga tercipta fitur antarmuka yang cerdas atau Intelligent User Interface (IUI). Semakin cerdas fitur yang dipersembahkan lewat antarmuka, ekspektasi yang diharapkan adalah semakin rendah beban kerja mental yang dirasakan pengguna ketika melakukan pekerjaan. Bidang kognitif ergonomi akan dikaji dari segi bagaimana sisi kenyamanan user dalam hal proses mental berpikir saat menggunakan fitur IUI, khususnya yaitu bagaimana pengaruh jumlah informasi di suatu aplikasi berdampak pada sisi kenyamanan pengguna saat berinteraksi dengan antarmuka cerdas. Proses pengambilan data dan pengujian akan dilaksanakan melalui kuesioner yang dirujuk dari studi kognitif ergonomi dengan metode NASA-TLX. Hasil kajian berupa perbandingan hasil beban mental yang dirasakan pengguna saat melakukan interaksi dengan aplikasi yang sering digunakan sehari-hari untuk perkuliahan berdasarkan program studi yang ditekuni di UAD. Frekuensi kerja dengan aplikasi dan tingkat adaptasi teknologi juga diprediksi akan mempengaruhi beban kerja. Hasil akan divalidasi secara kualitatif dari pengujian user experience secara berkelompok. AbstractThis study explores the correlation of cognitive ergonomic applications found in several interface implementations. The interfaces were implemented with the support of artificial intelligence to make it intelligent (Intelligent UI/IUI). The smarter the features provided through the interface, the expected cause is the lower the mental workload that users feel when doing work. The field of cognitive ergonomics will be examined in terms of how user feels convenience in terms of mental processes when using IUI features. The process of data collection and testing will be carried out through a questionnaire referenced from cognitive ergonomics studies using NASA-TLX method. The expected results of the study is a comparison of mental workload felt by users when interacting with applications that are often used daily for lectures based on the study program occupied at UAD. The frequency of work with applications and the level of technological adaptation are also predicted to affect workload. The results will be validated qualitatively from user experience testing in groups.
Augmented Reality Pelacak Lokasi Pustaka dengan Ar Marker Mardiana, Mardiana; Muhammad, Meizano Ardhi; Sulistiono, Wahyu Eko; Djausal, Gita Paramita
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi Augmented Reality (AR) saat ini banyak digunakan untuk penyebaran informasi dan bahkan untuk transaksi pada pelayanan yang bersifat publik.Teknologi ini sudah cukup dikenal oleh masyarakat luas, bersamaan dengan dikenalnya teknologi Virtual Reality (VR) yang banyak digunakan pada permainan (game).Pengunjung Perpustakaan terutama di Universitas, sebagian besar merupakan masyarakat dengan kategori generasi digital native.Untuk menemukan lokasi buku, waktu yang dibutuhkan oleh pengunjung perpustakaan biasanya relatif lama dan sangat tergantung dari pengalaman kunjungan atau frekuensi pencarian yang dilakukan.Untuk itu, pengunjung perpustakaan memerlukan aplikasi yang memudahkan mereka melacak dan menemukan lokasi koleksi pustaka yang dicari, dengan menggunakan ponsel cerdas mereka.Penelitian ini bertujuan untuk mengembangkan perangkat lunak layanan perpustakaan dengan memanfaatkan teknologi AR dan berbasis AR marker.Ruang lingkup pengembangan aplikasi ini menggunakan metoda rekayasa perangkat lunak RAD. Aplikasi dikembangkan menggunakan metoda template matching dan algoritma A* untuk pathfinding. Skema layanan data pada alikasi terdiri dari empat bagian, yaitu OPAC (Online Public Access Catalog), deteksi lokasi, pathfinding dan navigasi. Lokasi yang dipetakan adalah gedung Perpustakaan Universitas Lampung yang terdiri dari 3 lantai. Hasil dari penelitian ini berupa realisasi perangkat lunak menggunakan teknologi AR yang dapat memvisualisasikan arah menuju lokasi pustaka. Pengujian aplikasi dilakukan dengan skenario (a) pencarian Pustaka dengan OPAC, (b) mendeteksi lokasi (AR), (c) komputasi Pathfinding, (d) menampilkan marker, dan seluruhnya memperoleh hasil yang sesuai dengan requirement. AbstractAugmented Reality technology is now extensively being used to distribute information and even in transaction on public service. This technology is already well known, along with the Virtual Reality technology which is often used in game application. Library visitors, especially in universities, are mostly people categorized as digital native. To find a book location, the time needed by the visitors is generally high, which depends mostly on visitation experience or searching frequency. Therefore, visitors need an application that helps them to find the location of the library collection, with their smartphones. Library automation system helps to provide collection location information that library visitors must relate themselves to places in library building.AR allows this information to be embedded in the real world, making it easier for library searches.This research aims to develop software for library service that helps visitors finding book location by employing AR technology and based on AR Marker. The scope of this development is using RAD software engineering method. The application is developed using template matching method and algorithm A* for pathfinding. There are four parts of data service scheme: OPAC (Online Public Access Catalog), location detection, pathfinding, and navigation. Location of is the building of Universitas Lampung’s library, which consists of 3 floors. The result of this research is software realization using AR technology which can visualize the direction to the location of the collection. The application testing uses the scenarios: (a) finding collection using OPAC, (b) detecting location (AR), (c) computing pathfinding, (d) showing marker, and overall it achieves result as the requirement. Computation time on AR devices is measured against the process of algorithm A *, marker generation, and overall computing. The total computational time needed is an average of 37,379 ms, 44 ms mode, and a median of 38 ms. Overall computing time is below the 50 ms TTI limit value. The survey results show that more than 70% of library visitors have a Good and Very Good User Experience (UX).
Sistem Monitoring Trafo Distribusi PT.PLN (Persero) berbasis IoT Prasetyo, Budi Eko; Putra, Widhy Hayuhardhika Nugraha; Syauqy, Dahnial; Bhawiyuga, Adhitya; Wibowo, Sigi Syah; Ronilaya, Ferdian; Siradjuddin, Indrazno; Adhisuwignjo, Supriatna
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Paper ini memperkenalkan sebuah sistem manajemen Trafo Distribusi jaringan tegangan rendah (JTR) milik PT. PLN (Persero) yang disebut dengan Distributed Transformer Management System (DTMS). Trafo Distribusi merupakan asset strategis PT. PLN (Persero) karena keberlangsungan umur trafo distribusi adalah sangat penting dalam menjaga layanan penyediaan energi kelistrikan kepada pelanggan, dan sebagai sumber pendapatan utama.  Jumlah aset yang besar dan luasnya jangkauan pemasangan trafo distribusi menuntut PT. PLN (Persero) berinvestasi lebih untuk memantau kondisi Trafo agar tidak terjadi kerusakan dan mengurangi biaya perawatan. Oleh karena itu peran teknologi informasi saat ini menjadi salah satu investasi yang paling feasible bagi PT. PLN (Persero) dalam menjaga performa aset strategis tersebut. DTMS yang dibangun terdiri atas: (1) perangkat embedded system yang berfungsi untuk melakukan pengukuran dan pengiriman data, (2) perangkat lunak Web Service yang berfungsi untuk menerima data dari embedded system dan (3) perangkat lunak berbasis web untuk penyajian data dan pengelolaan data untuk menjadi sebuah Decision Support System (DSS). DTMS ini dibangun untuk memberikan fungsi peringatan dini terhadap anomali parameter trafo seperti overload, overvoltage dan black out events. Disamping itu, suhu operasi trafo juga menjadi parameter yang menggambarkan kondisi trafo dalam status aman, peringatan atau berbahaya. Embedded system yang dibangun akan mengukur kondisi trafo, kemudian dengan menggunakan protokol komunikasi RF 2,4 GHz dan GPRS, embedded system akan menampung dan mengirim data ke server melalui protokol HTTPS dengan antarmuka pemrograman yang disusun menggunakan format JSON. Setelah mendapatkan data, DTMS akan melakukan perhitungan untuk mendapatkan rekomendasi optimalisasi trafo berupa penyeimbangan, perawatan atau peningkatan daya. AbstractThis paper introduces a Low Voltage Distribution Transformer (JTR) Management owned by PT. PLN (Persero) which is also called the Distributed Transformer Management System (DTMS). Distribution transformer is a strategic asset of PT. PLN (Persero) because it’s lifecycle is highly important for PT. PLN (Persero) primarily in delivering electrical energy to customers, and of course as a main source of PT. PLN’s revenue. The large amount of assets and the broad range of installation of distribution transformers requires PT. PLN (Persero) invests more to monitor and maintain the condition of the Trafo in order to avoid unplanned damage and reduce the cost of unplanned maintenance. Therefore the role of information technology is currently one of the most feasible investment for PT. PLN (Persero) in maintaining the performance of this strategic assets. The DTMS consists of: (1) embedded system devices for data measurement and transmission, (2) Web Services software for receiving data from embedded systems, and (3) Web-based software for data presentation and data management for Decision Support System (DSS) purpose. The DTMS is built to provide early warning functionality to the transformer parameter anomalies such as overload, overvoltage and blackout events. In addition, the transformer operating temperature is also an important parameter that describes the condition of the transformer in safe state, warning state or danger state. The embedded system will measure the transformer's general conditions, then using the 2.4 GHz RF communications protocol and GPRS, then it will collect and transfer data to the server via the HTTPS protocol with a programming interface compiled using the JSON format. After getting the data, DTMS will do the calculation to get recommendation of transformer optimization such as balancing, maintenance or power uprating.
Implementasi Algoritma Region of Interest (ROI) untuk Meningkatkan Performa Algoritma Deteksi dan Klasifikasi Kendaraan Pratomo, Awang Hendrianto; Kaswidjanti, Wilis; Mu'arifah, Siti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 1: Februari 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Semakin tinggi kualitas suatu citra maka semakin detail informasi yang akan di peroleh. Tetapi, tidak semua wilayah citra memungkinkan untuk dilakukan analisis dengan kecepatan proses yang tinggi. Pemilihan algoritma yang tepat berpengaruh terhadap kecepatan waktu pemrosesan. Apabila tidak ada pembatasan untuk area yang akan di proses mengakibatkan waktu pemrosesan secara realtime melebihi waktu pemrosesan maksimal yang seharusnya. Tingginya waktu pemrosesan yang terjadi mengakibatkan aliran data menjadi kurang cepat. Sarana/processor yang digunakan juga mampu mempengaruhi kecepatan pemrosesan. Region Of Interest (ROI) adalah cara yang tepat untuk mengurangi tingginya waktu pemrosesan tersebut. ROI mampu menandai area tertentu sehingga dapat digunakan untuk mengoptimalisasikan kinerja sistem untuk mendeteksi, menghitung dan mengklasifikasi kendaraan secara realtime. Tanpa adanya ROI, pemrosesan dilakukan pada seluruh piksel citra tanpa terkecuali. Terdapat beberapa tahapan yang dilakukan di dalam penelitian yaitu menganalisis masalah yang ada, penentuan wilayah ROI, aplikasi ROI sebelum proses pengolahan citra dan menganalisis hasil yang di dapatkan.  Hasil yang diperoleh adalah dengan menggunakan ROI waktu pemrosesan citra menggunakan metode segmentasi MOG2 dan tracking dapat lebih cepat dibandingkan dengan waktu pemrosesan ketika tidak menggunakan ROI dengan selisih 0,026 s atau setara dengan 26 ms/frame. AbstractIncreasing resolution of an image is more detailed information will be obtained especially in the image used to detect vehicles. But, every singles areas are not allow to analize with higher speed process. If there are no restrictions for the area to be processed, the processing time in real time exceeds the maximum processing time that should be. The high processing time that occurs make less rapid data flow. The high processing time can affect to processing speed. Region Of Interest (ROI) is the right way to reduce the high processing time. ROI is able to mark certain areas so that it can be used to optimize system performance to detect, calculate and classify vehicles in realtime. Without ROI, processing is carried out on all pixels without exception. There are several steps taken in the research, namely analyzing existing problems, determining the ROI area, application of ROI before the image processing and analyzing the results obtained. The results obtained are by using ROI image processing time can be faster than the processing time when not using ROI. 

Page 2 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2020 2020


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