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 8 No 1: Februari 2021" : 26 Documents clear
Blockchain dan Kecerdasan Buatan dalam Pertanian : Studi Literatur Wihartiko, Fajar Delli; Nurdiati, Sri; Buono, Agus; Santosa, Edi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0814059

Abstract

Dewasa ini teknologi blockchain dan kecerdasan buatan (artificial intelligence/AI) telah diimplementasikan dalam bidang pertanian. Teknologi blockchain menjanjikan keamanan dan peningkatan kepercayaan untuk pengguna. Teknologi kecerdasan buatan menjanjikan berbagai kemudahan bagi pengguna. Perpaduan kedua teknologi tersebut dapat meningkatan kepercayaan terhadap sistem kecerdasan buatan (blockchain for AI) atau dapat juga digunakan untuk meningkatkan kinerja sistem blockchain (AI for blockchain). Tujuan penelitian ini mengulas kedua teknologi tersebut dalam studi literatur serta memberikan tantangan riset ke depan terkait implementasinya di bidang pertanian.  Metodologi yang digunakan adalah Systematic Literature Review (SLR) dan text mining. Text mining digunakan untuk memberikan deskripsi riset yang ada berdasarkan kata-kata di setiap artikel terpilih. SLR digunakan untuk memberikan ulasan yang komprehensif terkait riset Blockchain dan kecerdasan Buatan dalam pertanian. Hasil penelitian menunjukan bahwa terdapat 10 % penelitian terkait penerapan blockchain dan AI dalam pertanian. Riset tersebut memiliki potensi besar untuk berkembang terlihat dari peningkatan jumlah publikasi dalam 2 tahun terakhir. Kontribusi penelitian ini meliputi posisi riset terkini dan usulan riset ke depan dengan mempertimbangkan kondisi pertanian Indonesia. Posisi riset tersebut didominasi komunitas peneliti dari negara-negara di Asia seperti India (33%), Pakistan (33%), China (14%) dan Korea (14%). Originalitas penelitian ini terletak pada studi literatur dari integrasi teknologi blockchain dan kecerdasan buatan dalam bidang pertanian menggunakan SLR dan text mining. AbstractArtificial intelligence and blockchain technology are being developed and implemented in Agriculture. Blockchain technology promises security and trust for users. Moreover, artificial intelligence technology promises convenience for users. The combination of these two technologies will increase trust in artificial intelligence systems. Besides, this combination can also increase security on the blockchain system through the application of artificial intelligence. This paper summarizes the application of both technologies and reviews them in a systematic literature review, presents a description of articles based on text mining, and provides future research challenges related to the implementation of blockchain and artificial intelligence in agriculture. The methodologies used are Systematic Literature Review (SLR) and text mining. Text mining is used to describe a description of existing research based on the words in each selected article. SLR is used to provide a comprehensive review of Blockchain research and Artificial intelligence in agriculture. The results showed that there were 10% of research related to the application of blockchain and AI in agriculture. This research has great potential for growth as seen from the increase in the number of publications in the last 2 years. The contribution of this research includes the latest research positions and future research proposals taking into account the conditions of Indonesian agriculture. The research position is dominated by the research community from countries in Asia such as India (33%), Pakistan (33%), China (14%) and Korea (14%). The originality of this research is a literature study on the integration of blockchain and artificial intelligence in agriculture using SLR and text mining.
Aplikasi Augmented Reality untuk Pembelajaran Salat bagi Siswa Sekolah Dasar Kurniawan, Yogiek Indra; Kusuma, Agung Fajar Surya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0812182

Abstract

Penggunaan media manual berbasis buku dan papan tulis memberikan beberapa permasalahan pada proses pembelajaran di sekolah. Berdasarkan survey yang telah dilakukan, Di Sekolah Dasar Insan Terpadu (SDIT) Muhammadiyah Al Kautsar yang menggunakan media manual untuk pembelajaran salat memiliki masalah mengenai tingkat minat dan tingkat pemahaman siswa yang kurang tinggi. Penelitian ini memiliki tujuan untuk mengembangkan media pembelajaran mengenai materi salat yang dapat membantu pihak sekolah agar mempunyai metode yang baru dan menarik dalam kegiatan pembelajaran di dalam kelas, terutama untuk materi Salat. Teknologi utama yang digunakan dalam aplikasi ini adalah Augmented Reality (AR). Dalam kasus ini, Augmented Reality (AR) digunakan untuk memvisualisasikan materi Salat dalam bentuk 3D yang diproyeksikan pada tablet atau smartphone. Objek 3D juga diberi animasi agar terkesan realistis dan interaktif. Aplikasi ini membantu memvisualisasikan gerakan salat dalam bentuk 3D animasi. Aplikasi terdiri dari 2 menu, yaitu menu “Play AR” dan “Quiz”. Hasil uji blackbox menunjukkan hasil valid yang berarti aplikasi sudah sesuai dengan yang diharapkan. Aplikasi dapat berjalan baik pada smartphone dengan sistem operasi minimal Kitkat. Rata-rata hasil uji validasi ahli sebesar 86% yang berada pada kategori “Sangat Baik”. Hasil dari User Acceptance Test menunjukkan nilai rata-rata sebesar 89.88% dengan kategori “Sangat Baik”. Penggunaan aplikasi AR pembelajaran salat dapat meningkatkan minat belajar siswa serta tingkat pemahaman siswa terhadap materi Salat yang ditunjukkan dengan peningkatan nilai sebelum dan sesudah menggunakan aplikasi.AbstractThe use of manuals media, such as books and whiteboard, provides several problems in the learning process in schools. Based on the survey that has been done At the Sekolah Dasar Insan Terpadu (SDIT) Muhammadiyah Al Kautsar, which uses manuals media for salat learning, there are problems with the level of interest and the level of student understanding that is not quite high. This research aims to develop a learning media about salat that is to help schools to have new and interesting methods in learning activities in the classroom, especially for Salat subject. The main technology used in this application is Augmented Reality (AR). In this case, Augmented Reality (AR) are used for visualizing the Salat material in 3D object that will be projected on smartphone. 3D object are animated to make it more realistic and interactive. Eventually, this application illustrate the motion of salat in 3D animation object. The application consists of 2 menus, namely “Play AR” and “Quiz” menus. Blackbox test results show valid results, which means the application is as expected. The application can run well on smartphones with a minimum Kitkat operating system. The average expert validation test results are 86% in the “Very Good” category. The results of the User Acceptance Test show an average value of 89.88% with the “Very Good” category. The use of the Salat Learning AR application can improve student learning interest and the level of student understanding of the Salat subject which is indicated by an increase in the value before and after using the application.  
Sistem Pakar Diagnosa Penyakit Campak Rubella pada Anak Menggunakan Metode Certainty Factor Berbasis Website Wahyuningsih, Pujianti; Zuhriyah, Sitti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0812710

Abstract

Aplikasi sistem pakar merupakan sistem informasi yang dapat digunakan untuk membantu masyarakat dalam mencari solusi permasalahan tanpa harus berkonsultasi dengan spesialis pakar. Tujuan penelitian ini adalah membangun aplikasi sistem pakar berbasis website yang dapat digunakan untuk membantu masyarakat dalam mendiagnosa penyakit campak rubella sejak dini. Campak rubella merupakan salah satu penyakit yang dapat menginfeksi balita dan anak-anak sehingga akan sangat berpengaruh pada tumbuh kembang anak, menyebabkan cacat seumur hidup, hingga mengakibatkan kematian. Sistem pakar berbasis website yang dibangun pada penelitian ini memiliki kelebihan dapat diakses dan digunakan dimana saja menggunakan koneksi internet dibandingkan dengan aplikasi sistem pakar berbasis komputer desktop. Metodologi yang digunakan untuk mendiagnosa penyakit campak rubella pada penelitian ini adalah menggunakan metode Certainty Factor (CF). Nilai CF diperoleh berdasarkan perhitungan nilai input persentase Measure Belief (MB) dan Measure Disbelief (MD), dimana nilai MB berfungsi untuk mengukur dan mengetahui nilai tingkat kepercayaan sedangkan MD berfungsi untuk mengukur dan mengetahui nilai tingkat ketidakpercayaan. Hasil dari penelitian ini adalah ketika nilai CF >= 0.8, maka sistem akan mendiagnosa bahwa pasien menderita penyakit campak rubella. Jika nilai CF < 0.8 dan >= 0.4 maka sistem akan mendiagnosa pasien mungkin menderita penyakit campak rubella, dan jika nilai CF < 0.4 maka sistem mendiagnosa pasien tidak menderita penyakit campak rubella. Perangkat lunak yang dibangun telah diuji coba menggunakan teknik pengujian black-box, dimana hasil dari pengujian tersebut memperlihatkan bahwa perangkat lunak yang dibangun dapat berjalan dengan baik dan dapat digunakan untuk mendiagnosa penyakit campak rubella sesuai dengan keluhan dari pasien. AbstarctThe expert system application is an information system that can be used to help the society to find one of the solutions from a problem without consultation with the expert specialist. The purpose of this study is to build an expert system application based on a website that can be used to help the society to diagnose the rubella measles disease by early. Rubella measles is one of the viruses that can infect the toddler and children so that can give an effect to the children growth, lifetime disability, and become to die. The expert system based on a website that has been developing on this study has an advantage that can be accessed and can be used from the anywhere using internet connection when compared with the expert system application based on a desktop computer. The methodology to diagnose the rubella measles disease in this study used a Certainty Factor (CF) method. The CF value got from the calculation of the percentage input of Measure Belief (MB) and Measure Disbelief (MD), where the function of MB value is to measure and know the level of belief value and then the MD function is to measure and to see the level of disbelief value. The result of this study is when the CF value is >=0.8, and then the system will diagnose the patient is suffering from rubella measles disease. When the CF value is <0.8 and >=0.4 then the system diagnose the patient probably suffer the rubella measles disease, and then when the CF value is <0.4 then the system will diagnose the patient is not hurting the rubella measles disease. The software that was built has been tested using a black-box technique, where the results of the test showed that the software that was built could run well and could be used to diagnose the rubella measles according to complaints from patients.
Sistem Pengenalan Pembicara dengan Metode Wavelet-MCFF dan Pengklasifikasi Hidden Markov Models (HMM) Hidayat, Syahroni; Anas, Andi Sofyan; Yusuf, Siti Agrippina Alodia; Tajuddin, Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813284

Abstract

Penelitian pengolahan sinyal digital yang berfokus pada pengenalan pembicara telah dimulai sejak beberapa dekade yang lalu, dan telah menghasilkan banyak metode-metode pengenalan pembicara. Di antara algoritma pembentukan koefisien ciri yang telah dikembangkan tersebut, ada dua algoritma yang dapat memberikan akurasi yang tinggi jika diterapkan pada sistem, yaitu Mel Frequency Cepstral Coefficient (MFCC) dan Wavelet. Penelitian ini bertujuan untuk menguji dan memilih kanal terbaik dari proses wavelet-MFCC yang dapat dijadikan sebagai koefisien ciri baru untuk diterapkan pada sistem pengenal pembicara. Koefisien ciri baru tersebut kemudian disebut dengan koefisien ciri Wavelet-MFCC. Kofisien ini dibentuk dari merubah kanal hasil dekomposisi wavelet, yaitu kanal aproksimasi (cA), kanal detail (cD), dan penggabungannya (cAcD), menjadi koefisien MFCC. Metode dekomposisi wavelet yang digunakan adalah metode dyadic dengan menerapkan level dekomposisi level 1 dan level 2. Setiap koefisien ciri kemudian menjadi inputan pada sistem pengklasifikasi Hidden Markov Models (HMM). Keluaran dari HMM kemudian dihitung akurasinya dan dianalisis. Dari pengujian yang dilakukan, diperoleh bahwa kanal detail (cD) sebagai ciri dapat memberikan akurasi yang sama dengan menggunakan kanal gabungan (cAcD) dan lebih tinggi dari kanal aproksimasi (cA), dengan akurasi sebesar 95%. Hal ini menunjukkan bahwa, kanal detail pada dekomposisi level 1 menyimpan ciri suara dari setiap pembicara sehingga sudah cukup untuk dijadikan sebagai koefisien ciri. Maka, penggunaan dekomposisi level 1 dan kanal detail cD sebagai ciri Wavelet-MFCC pada sistem pengenalan pembicara dapat meringankan dan mempercepat proses komputasi. AbstractResearch in digital signal that focused on speaker recognition has begun since decades ago, and has resulted many speaker recognition methods. there are two algorithms that can provide high accuracy in recognition system, which are Mel Frequency Cepstral Coefficient (MFCC) and Wavelet. the aims of this study is to examine and chose the best channel from wavelet-MFCC process that can be used as new feature coefficient, then called as Wavelet-MFCC features coefficient. The coefficient is built by converting the wavelet decomposition channels, which are approximation (cA), detail (cD), and its combination (cAcD), into the MFCC coefficient. Wavelet dyadic decomposition with level 1 and level 2 of decomposition is applied. Each feature coefficient acts as an input to the HMM classifier. The accuracy of the HMM output is calculated, then analyzed. The obtained results show that the detail chanel (cD) achieve equal accuracy as the combination chanel (cAcD), and higher accuracy compared to aproximation channel (cA), with accuracy 95%. Thus, it can be conclude that the detail channel on level 1 decomposition contains features of each speaker's. Then, cD is enough to be used as a Wavelet-MFCC feature. Thus, its implementation in the SRS can ease and speed up the computing process.
Implementasi Latent Dirichlet Allocation (LDA) untuk Klasterisasi Cerita Berbahasa Bali Sanjaya ER, Ngurah Agus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813556

Abstract

Cerita-cerita berbahasa Bali memiliki topik yang beragam namun memuat nilai kearifan lokal yang perlu untuk dilestarikan. Jika cerita-cerita tersebut dapat dikelompokkan berdasarkan topik, tentu akan sangat memudahkan bagi para pembacanya dalam memilih bacaan yang diinginkan. Latent Dirichlet Allocation (LDA) mengasumsikan bahwa suatu dokumen dibangun dari perpaduan topik-topik tersembunyi. Dengan menerapkan LDA pada kumpulan dokumen, maka dapat diketahui distribusi topik-topik tersembunyi pada kumpulan dokumen secara umum maupun masing-masing dokumen. Pada penelitian ini, distribusi topik yang ditemukan oleh LDA pada  kumpulan cerita berbahasa Bali digunakan untuk melakukan pengelompokkan cerita secara otomatis. Tahapan penelitian meliputi digitalisasi cerita, tokenisasi, case-folding, stemming, pencarian topik dengan LDA, representasi dokumen dan klasterisasi hirarki secara agglomerative. Pengujian dilakukan menggunakan 100 buah data cerita berbahasa Bali yang didapat dari situs daring maupun Dinas Kebudayaan Provinsi Bali untuk menghitung akurasi hasil klasterisasi. Evaluasi dilakukan juga untuk melihat pengaruh jumlah kata dan ukuran kesamaan yang digunakan terhadap akurasi. Akurasi hasil klasterisasi tertinggi yang didapatkan adalah 62% pada saat jumlah kata yang digunakan sebagai representasi dokumen berjumlah 3000 kata. Selain itu, didapatkan suatu kesimpulan bahwa akurasi klasterisasi juga sangat dipengaruhi oleh ukuran kesamaan yang digunakan ketika melakukan penggabungan dokumen serta jumlah kata sebagai representasi dokumen. AbstractBalinese folklores have diverse topics but contain local wisdom that needs to be preserved. Grouping the stories based on the topics can certainly help readers to choose their readings accordingly. Latent Dirichlet Allocation (LDA) assumes that a document is built from a combination of hidden topics. By applying LDA to a collection of documents (corpus), the global distribution of hidden topics in the corpus as well as the distribution of each individual document in the corpus can be identified. In this research, the individual distribution of topics in Balinese folklores is used to group stories based on common topics. The research stages include story digitization, tokenization, case-folding, stemming, topic search with LDA, document representation and agglomerative hierarchical clustering. Performance evaluation was carried out using 100 Balinese folklores data obtained from online sites and the Bali Provincial Cultural Office to calculate the accuracy of the clustering results. Evaluation is also carried out to see the effect of the number of words and the similarity measure used on accuracy. The highest accuracy obtained is 62% when the number of words used as the representation of a document is 3000 words. In addition, it can be concluded that accuracy is also greatly influenced by the similarity measure used when merging the documents and the number of words for document representation.
Analisis Kinerja Algoritma CART dan Naive Bayes Berbasis Particle Swarm Optimization (PSO) untuk Klasifikasi Kelayakan Kredit Koperasi Riyanto, Eko Arif; Juninisvianty, Tri; Nasution, Doddy Ferdian; Risnandar, Risnandar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0812988

Abstract

Koperasi memiliki peranan penting terutama untuk masyarakat kecil dan menengah. Salah satu kendala yang dirasakan oleh koperasi adalah analisa pemberian kredit yang dilakukan secara manual dan hanya berdasarkan kedekatan secara personal dengan anggota sehingga menyebabkan terjadinya kredit – kredit  macet yang tidak diduga. Oleh karena itu perlu adanya perhitungan yang sistematis dalam pemberian kredit kepada para peminjam. Teknik klasifikasi data mining merupakan salah satu teknik yang bisa digunakan dalam menentukan kelayakan kredit. Tujuan dari penelitian ini adalah untuk menentukan metode terbaik untuk klasifikasi kelayakan kredit koperasi menggunakan software Rapidminer dengan membandingkan perhitungan algoritma CART, Naive Bayes, optimasi CART + PSO, dan Naive Bayes + PSO. Data yg digunakan adalah 113 data anggota koperasi. Dari perhitungan dengan acuan kriteria pekerjaan, pendapatan, usia, jenis kelamin, jumlah pinjaman, jangka waktu, akan memperoleh metode terbaik untuk klasifikasi kelayakan kredit. Metode terbaik yang dihasilkan dari penelitian ini adalah metode Naive Bayes + PSO. Nilai accuracy yang diperoleh dari penelitian ini adalah 96,43%, nilai recall 94,12%, niilai precision 100%. Dengan nilai AUC sebesar 0,963 , penelitian ini termasuk dalam klasifikasi baik. Hasil dari penelitian ini dapat digunakan sebagai salah satu pertimbangan untuk klasifikasi kelayakan kredit pada koperasi simpan pinjam. AbstractCredit Union have an important role especially to the small and medium society. One of the problem  that credit union have is an analyzing credit manually and only based on closeness personally that can be an unexpected bad credit for credit union. Therefore, it is necessary to build a systematic calculation to give a credit for debtor. Classification technic in data mining is one of the technic that can use to classify the credit properness. The purpose of this study is to get the best method to classify the credit properness using Rapidminer by compare the calculation of CART, Naive Bayes and the optimization of CART+PSO and Naive Bayes+PSO. The study using 113 data member of credit union. From the calculation reference to the criteria of occupation, income, age, gender, loan amount, loan term, will get the best method for this study. The best method from this study is the Naive Bayes+PSO. The accuracy value obtained from this study was 96.43%, the recall value was 94.12%, and the precision value is 100%. AUC value of 0.963 indicates that this study is included in the good classification. The results of this study can be used as a consideration for the classification of the credit properness of credit union.
Suatu Pendekatan Hibrid Menggunakan Topsis - Entropi pada Penentuan Siswa Penerima Beasiswa Prestasi Berbasiskan Kriteria Objektif Siregar, Maria Ulfah; Nasiroh, Titik; Mustakim, Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0814261

Abstract

Kondisi ekonomi Indonesia yang turun seiring pandemi Covid-19 yang belum juga berakhir menyebabkan sebagian masyarakat menghadapi kesulitan ekonomi dalam pemenuhan kebutuhan hidup sehari-hari, salah satunya adalah dalam pembiayaan sekolah anak. Salah satu solusi bagi permasalahan ini adalah dengan pemberian beasiswa bagi siswa. Keterbatasan dana beasiswa ditambah dengan siswa yang berhak menerima bantuan adalah berjumlah banyak, menghendaki adanya suatu sistem yang dapat membantu dalam penentuan siswa penerima beasiswa.  Penelitian kami menerapkan pendekatan hibrid dari Multi-Attribute Decision Making (MADM) metode Entropi dan Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). Metode Entropi digunakan untuk memberikan pembobotan pada kriteria secara objektif. Metode TOPSIS mencari alternatif terbaik dari sejumlah alternatif, yaitu yang semakin mendekati solusi ideal positif dan menjauhi solusi ideal negatif. Penelitian ini diimplementasikan di SMP N 1 Kokap Yogyakarta dengan menggunakan data siswa kelas 8 sejumlah 146 orang siswa. Terdapat sepuluh kriteria untuk menentukan siswa penerima beasiswa prestasi yaitu nilai pengetahuan, nilai keterampilan, catatan prestasi, keaktifan berorganisasi, jumlah ekstrakurikuler, jumlah ketidakhadiran, penghasilan ayah, penghasilan ibu, jumlah tanggungan orang tua dan status beasiswa. Berdasarkan sebaran dari evaluasi nilai kriteria dengan perhitungan bobot Entropi tanpa menggunakan bobot awal dari sekolah, diperoleh bahwa kriteria catatan prestasi adalah kriteria utama dalam penentuan siswa penerima beasiswa ini dan semua kriteria adalah valid. Output dari sistem ini adalah ranking siswa berdasarkan nilai preferensinya. Pe-ranking-an ini bisa dijadikan sebagai rekomendasi siswa penerima beasiswa prestasi di SMP N 1 Kokap. AbstractEconomic condition in Indonesia which is gradually decreased during Covid-19 pandemic which has not stopped yet causes some of citizens face economic difficulty in fulfilling their daily life, one of which is to pay their children’ school fees. One solution for this problem is to provide scholarship for students. The limited money for scholarship and students who are eligible to get the aids are many in number require a system which can ease in determining the merit scholars objectively. This study applies the hybrid approach of Multi-Attribute Decision Making (MADM) method, Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) and Entropy. Entropy method is used to define objectively a weight of each criteria. TOPSIS method finds the best alternative from several alternatives that getting closer to the positive ideal solution and farther from the negative ideal solution. This study is implemented in SMP N 1 Kokap Yogyakarta and use data of 146 students on Kelas 8. There are ten criteria to determine merit scholars, these are a value of knowledge, a value of skills, a record of merits, organizational activities, the number of extracurriculars, for the number of absences, father's income, mother's income, the number of dependents of parents and scholarship status. Based on disperity of evaluation of criteria’ values, the achievements record is the important criteria for this system and all the criteria are valid. The result of this system is a rank of students based on their preference values. This rank could be used as a reference to recommend merit scholars in SMP N 1 Kokap.   
Software Konsultasi Seleksi Karir Siswa menggunakan Metode Certainy Factor Irwan, Irwan; Gustientiedina, Gustientiedina; Hajjah, Alyauma; Desnelita, Yenny; Susanti, Wilda
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0811093

Abstract

Model software konsultasi seleksi karir sebagai alternatif  pengambilan keputusan dimana  konsultasi meliputi pemahaman karir, perencanaan karir, alternatif pilihan karir yang berupa alat penelusuran minat dan bakat siswa terhadap keputusan karir siswa menggunakan metode certainty factor berbasis sistem pakar. Penelitian ini menghasilkan model software konseling dalam memperoleh informasi penting tentang pengembangan karir siswa dan membantu memfasilitasi perkembangan individu siswa melalui bentuk layanan agar mampu merencanakan karirnya berdasarkan jurusan, minat, bakat, pengetahuan, kepribadian, kompetensi dan faktor-faktor lain yang mendukung kemajuan dirinya dalam menentukan pilihan dan keputusan yang sesuai dengan dunia kerja pilihan siswa.Sistem diuji menggunakanwhite box dan black boxdengan menunjukan hasil dimana sistem dapat digunakan sesuai kebutuhan. AbstractCareer selection consulting software model as an alternative decision making where consultation that includes career understanding,career understanding, career planning, alternative career choices in the form of a tool to trace students' interests and talents towards student career decisions using expert system based certainty factor method. This research produces a counseling software model in obtaining important information about student career development and helps facilitate individual students development  through a form of service in order to be able to plan his career based on majors, interests, talents, knowledge, personality, competencies and other factors that support his progress in determining choices and decisions that are appropriate to the world of work choice. The system is tested using white boxes and black boxes by showing the results where the system can be used as needed.
Model Evaluasi Usability Menggunakan Confirmatory Factor Analysis pada KRS Online Arumi, Endah Ratna; Sukmasetya, Pristi; Setiawan, Agus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813323

Abstract

Saat ini, pengembangan sistem perangkat lunak komputer tidak hanya masalah fungsional. Antarmuka perangkat lunak sudah mulai menjadi fokus dalam pengembangan perangkat lunak saat ini. Evaluasi antarmuka digunakan untuk bahan perbaikan kekurangan antarmuka yang sulit dimengerti dan digunakan. Evaluasi usability merupakan fokus evaluasi oleh pengguna terhadap sistem untuk mengetahui seberapa mudah dipelajari dan digunakan sistem. Penelitian ini akan menghasilkan model yang valid dari beberapa model usability yang dianalisa menggunakan Confirmatory Factor Analysis (CFA). Evaluasi usability juga dilakukan untuk mendapatkan nilai seberapa tingkat kebergunaan dari antarmuka KRS Online ini. Hasil eksperimen menunjukkan model kedua adalah model yang valid dengan loading factor dari usability ke Kemampuan Belajar 1.00, Usability ke Daya Ingat sebesar 1.00, Usability ke Efisiensi sebesar 0.86, Usability ke Kesalahan sebesar 0.73, dan Usability ke Kepuasan sebesar 0.73. Hasil pengukuran usability ini didapat bahwa nilai tertinggi pada variabel “Daya Ingat” dengan nilai rata – rata responden 4,19, dan nilai terendah pada “Error” dengan nilai rata – rata 2,9 dengan skala 5. Hasil pengujian model terdapat 1 hipotesis yang menyatakan tidak ada pengaruh positif antara variabel mudah menerima informasi secara detail dan spesifik pada KRS online, dengan responden dapat memahami isi dan konten informasi yang ditampilkan pada KRS online dengan mudah. Nilai terendah inilah yang perlu dijadikan perhatian dalam hal perbaikan sistem ke depan. AbstractNowadays, the development of computer software systems is not just a functional analysis. At this time, the software interface has begun to become a focus in software development. Interface improvements start with an interface evaluation. Usability evaluation is the focus of the assessment by users of the system to find out how easy to learn and use the system. This research aims to find valid models from several usability models that are analyzed using Confirmatory Factor Analysis (CFA). Usability evaluation was also doing in this study to get the value of the usability level of this KRS Online interface. The experimental results show the second model is a valid model with a loading factor from Usability to Learning Ability of 1.00, Usability to Memory of 1.00, Usability to Efficiency of 0.86, Usability to Error of 0.73, and Usability to the satisfaction of 0.73. Results of usability measurement found that the highest value on the variable "Memory" with an average value of 4.19, and the lowest value on "Error" with an average value of 2.9 within 5 scale. The results of the model test the hypothesis that there is one there is no positive influence between the variables easily receive detailed and specific information about KRS online, with respondents able to understand the contents and the contents of the information displayed on KRS online with ease. This lowest value needs to be a concern for future system improvements.
Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM) Arsi, Primandani; Waluyo, Retno
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813944

Abstract

Dewasa ini, media sosial berkembang pesat di internet, salah satu yang banyak digemari adalah Twitter. Berbagai topik ramai diperbincangkan di Twitter mulai dari ekonomi, politik, sosial, budaya, hukum dan lain-lain. Salah satu topik yang ramai diperbincangkan di Twitter adalah terkait isu pemindahan ibu kota Indonesia. Namun dibalik hal tersebut terdapat kontroversi dari  pihak yang merasa  pro dan kontra, masing-masing memiiki sudut pandang yang berbeda.  Hal ini menyebabkan munculnya fenomena perdebatan khususnya di Twitter yang sebenarnya menunjukkan perhatian kolektif mengenai wacana publik tersebut. Analisis sentimen adalah proses mengekstraksi, memahami dan mengolah data berupa teks yang tidak terstruktur secara otomatis guna mendapatkan informasi sentimen yang terdapat pada sebuah kalimat pendapat atau opini. Dalam penerapan analisis sentimen menggunakan metode machine learning terdapat beberapa metode yang sering digunakan. Dalam penelitian ini diusulkan metode Support Vector Machine (SVM) untuk diterapkan pada tweets topik pemindahan ibu kota Indonesia untuk tujuan klasifikasi kelas sentimen pada media sosial twitter. Teknis klasifikasi  dilakukan dengan cara mengklasifikasikan menjadi 2 kelas yakni positif dan negatif. Berdasarkan hasil pengujian yang dilakukan terhadap tweets sentimen pemindahan ibu kota dari media sosial twitter sebanyak 1.236 tweets (404 positif dan 832 negatif) menggunakan SVM diperoleh akurasi =96,68%, precision=95.82%, recall=94.04% dan AUC = 0,979. AbstractToday, social media is growing fast on the internet.One of the most popular social media is Twitter. Many topics are discussed on Twitter such as economic, politic, social, culture, and law. One of the hot topics discussed on Twitter is the issue of relocating Indonesia's capital city. However, there is controversy from supporters and opponents. They have different views. This issue leads to a phenomenon of debate on Twitter that actually shows a collective concern about the public discourse. Sentiment analysis is a process of extracting, understanding and processing unstructured data to get sentiment information which is found in an opinion sentence. Application of sentiment analysis using machine learning methods shows that there are several methods that are often used. In this study, the Support Vector Machine (SVM) method is proposed to be applied to tweets on the topic of relocating Indonesia's capital city for sentiment classification on social media twitter. The classification technique is carried out into 2 classes, namely positive and negative. Based on testing on the sentiment of relocating Indonesia's capital city from social media twitter from 1,116 tweets (404 positive and 832 negative) using SVM obtained accuracy = 96.68%, precision = 95.82%, recall = 94.04% and AUC = 0.979.

Page 2 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2021 2021


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