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 3: Juni 2021" : 26 Documents clear
Visualisasi dan Analisis Data Bunuh Diri Setiawan, Irwan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021833391

Abstract

Bunuh diri merupakan salah satu permasalahan kesehatan publik. Kematian yang disebabkan oleh tindakan bunuh diri banyak terjadi di seluruh dunia. World Health Organization (WHO) melaporkan bahwa tindakan bunuh diri terjadi sekitar satu juta kejadian setiap tahunnya. WHO menyediakan basis data kematian yang disebabkan karena bunuh diri, namun parameter dan diagram yang disediakan pada basis data tersebut tidak dapat dikustomisasi untuk analisis lebih lanjut. Exploratory Data Analysis merupakan teknik analisis yang menekankan penyajian data dalam bentuk grafik yang dapat mempermudah analis dalam menemukan pola-pola tersembunyi dalam data. Teknik ini sangat efektif digunakan untuk menganalisis data yang memiliki volume yang besar dan varian data yang banyak.  Penelitian ini ditujukan untuk melakukan visualisasi dan analisis data kematian yang disebabkan oleh bunuh diri dengan menggunakan data yang disediakan oleh WHO untuk menemukan pola dan tren kejadian bunuh diri dari berbagai negara dan benua agar dapat membantu pihak-pihak yang berkepentingan dalam mendeteksi dan merencanakan tindakan pencegahan kejadian bunuh diri. Metode penelitian terbagi kedalam tiga tahapan, yaitu persiapan data, Exploratory Data Analysis, dan penarikan kesimpulan. R Studio digunakan sebagai perangkat lunak untuk pengolahan dan visualisasi data. Hasil yang didapatkan dari penelitian ini adalah teknik Exploratory Data Analysis sangat efektif untuk mengeksplorasi data dan menemukan pola-pola tersembunyi dalam data.Berdasarkan hasil analisis, Jepang merupakan negara yang memiliki kejadian bunuh diri paling banyak.   Temuan yang didapatkan adalah secara umum jumlah kejadian bunuh diri memiliki tren yang meningkat. Pada tahun 1998 terjadi lonjakan kejadian bunuh diri yang sangat signifikan di negara-negara Asia. Negara yang paling banyak mengalami kejadian bunuh diri adalah Jepang. Pola pelaku bunuh diri di benua Afrika berbeda dengan benua lainnya. Kelompok usia diatas 75 tahun merupakan kelompok usia dengan jumlah bunuh diri paling banyak. Terjadi tren peningkatan kejadian bunuh diri pada kelompok umur 5-14 tahun. Temuan-temuan yang didapatkan dari penelitian ini dapat dimanfaatkan untuk kebutuhan perencanaan pencegahan kejadian bunuh diri dan meningkatkan kewaspadaan terhadap terjadinya risiko bunuh diri, terutama pada kelompok umur diatas 75 tahun dan 5-14 tahun. AbstractSuicide is a public health problem. Deaths caused by acts of suicide occur throughout the world. The World Health Organization (WHO) reports that suicides occur in around one million incidents each year. WHO provides a database of deaths due to suicide, but the parameters and diagrams contained in that database cannot be customized for further analysis. Exploratory Data Analysis is an analytical technique that emphasizes data presentation in a graphical form that can make it easier for analysts to find hidden patterns in the data. This technique is beneficial for analyzing data with a large volume and many data variants. This research aims to visualize and analyze data on deaths caused by suicide by using data provided by WHO to find patterns and trends in suicide events from various countries and continents to help the parties concerned in detecting and planning preventive suicide actions. The research method is divided into three stages: data preparation, Exploratory Data Analysis, and concluding. R Studio is used as software for data processing and visualization. The results obtained from this study are Exploratory Data Analysis techniques, which are useful for exploring data and discovering hidden patterns in data.Based on the results of the analysis, Japan is a country that has the most suicide. The finding is that in general, the number of suicides has an upward trend. In 1998 there was a very significant surge in suicides in Asian countries. Japan is the country that experiences the most suicide. The pattern of suicide in Africa is different from other continents. The age group above 75 years is the age group with the highest number of suicides. There is a trend of an increase in the incidence of suicide in the 5-14 years age group. The findings obtained from this study can be utilized for the needs of planning suicide prevention events and increasing awareness of the occurrence of suicide risk, especially in the age group above 75 years and 5-14 years.
Halaman Belakang dan Daftar Indeks purbosari, lina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

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

Abstract

Halaman Belakang dan Daftar Indeks
Perbandingan Convolution Neural Network Untuk Klasifikasi Kesegaran Ikan Bandeng Pada Citra Mata Prasetyo, Eko; Purbaningtyas, Rani; Adityo, Raden Dimas; Prabowo, Enrico Tegar; Ferdiansyah, Achmad Irfan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834369

Abstract

Ikan merupakan salah satu sumber protein hewani dan sangat diminati masyarakat Indonesia, dari survey bahan makanan yang diminati, bandeng peringkat keempat dibanding bahan makanan yang lain. Khususnya ikan bandeng, ikan ini menjadi satu dari enam ikan yang banyak dikonsumsi masyarakat selain tongkol, kembung, teri, mujair dan lele, maka ketelitian masyarakat ketika membeli ikan bandeng menjadi perhatian serius dalam memilih ikan bandeng segar. Deteksi kesegaran dengan menyentuh tubuh ikan dapat mengakibatkan kerusakan tanpa disengaja, maka deteksi kesegaran ikan harus dilakukan tanpa menyentuh ikan bandeng dengan memanfaatkan citra kondisi mata. Dalam riset ini, kami melakukan eksperimen implementasi klasifikasi kesegaran ikan bandeng sangat segar dan tidak segar berdasarkan mata menggunakan transfer learning dari empat CNN, yaitu Xception, MobileNet V1, Resnet50, dan VGG16. Dari hasil eksperimen klasifikasi dua kelas kesegaran ikan bandeng menggunakan 154 citra menunjukkan bahwa VGG16 mencapai kinerja terbaik dibanding arsitektur lainnya dimana akurasi klasifikasi mencapai 0.97. Dengan akurasi lebih tinggi dibanding arsitektur lainnya maka VGG16 relatif lebih tepat digunakan untuk klasifikasi dua kelas kesegaran ikan bandeng. AbstractFish, one source of animal protein, is an exciting food for Indonesia's people. From a survey of food-ingredients demanded, milkfish are ranked fourth compared to other food-ingredients. Especially for milkfish, this fish is one of the six fish consumed by Indonesia's people besides tuna, bloating, anchovies, tilapia, and catfish, so the exactitude of the people when buying is a severe concern in choosing fresh milkfish. Detection of freshness by touching the fish's body may cause unexpected destruction, so detecting the fish's freshness should be conducted without touching using the eye image. In this research, we conducted an experimental implementation of freshness milkfish classification (vastly fresh and not fresh) based on the eyes using transfer learning from several CNNs, such as Xception, MobileNet V1, Resnet50, and VGG16. The experimental results of the classification of two milkfish freshness classes using 154 images show that VGG16 achieves the best performance compared to other architectures, where the classification accuracy achieves 0.97. With higher accuracy than other architectures, VGG16 is relatively more appropriate for classifying two classes of milkfish freshness.
Kinerja Metode CNN untuk Klasifikasi Pneumonia dengan Variasi Ukuran Citra Input Nugroho, Budi; Puspaningrum, Eva Yulia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834515

Abstract

Saat ini banyak dikembangkan proses pendeteksian pneumonia berdasarkan citra paru-paru dari hasil foto rontgen (x-ray), sebagaimana juga dilakukan pada penelitian ini. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur yang berbeda dengan sejumlah penelitian sebelumnya. Selain itu, penelitian ini juga memodifikasi model CNN dimana metode Extreme Learning Machine (ELM) digunakan pada bagian klasifikasi, yang kemudian disebut CNN-ELM. Dataset untuk uji coba menggunakan kumpulan citra paru-paru hasil foto rontgen pada Kaggle yang terdiri atas 1.583 citra normal dan 4.237 citra pneumonia. Citra asal pada dataset kaggle ini bervariasi, tetapi hampir semua diatas ukuran 1000x1000 piksel. Ukuran citra yang besar ini dapat membuat pemrosesan klasifikasi kurang efektif, sehingga mesin CNN biasanya memodifikasi ukuran citra menjadi lebih kecil. Pada penelitian ini, pengujian dilakukan dengan variasi ukuran citra input, untuk mengetahui pengaruhnya terhadap kinerja mesin pengklasifikasi. Hasil uji coba menunjukkan bahwa ukuran citra input berpengaruh besar terhadap kinerja klasifikasi pneumonia, baik klasifikasi yang menggunakan metode CNN maupun CNN-ELM. Pada ukuran citra input 200x200, metode CNN dan CNN-ELM menunjukkan kinerja paling tinggi. Jika kinerja kedua metode itu dibandingkan, maka Metode CNN-ELM menunjukkan kinerja yang lebih baik daripada CNN pada semua skenario uji coba. Pada kondisi kinerja paling tinggi, selisih akurasi antara metode CNN-ELM dan CNN mencapai 8,81% dan selisih F1 Score mencapai 0,0729. Hasil penelitian ini memberikan informasi penting bahwa ukuran citra input memiliki pengaruh besar terhadap kinerja klasifikasi pneumonia, baik klasifikasi menggunakan metode CNN maupun CNN-ELM. Selain itu, pada semua ukuran citra input yang digunakan untuk proses klasifikasi, metode CNN-ELM menunjukkan kinerja yang lebih baik daripada metode CNN. AbstractThis research developed a pneumonia detection machine based on the lungs' images from X-rays (x-rays). The method used is the Convolutional Neural Network (CNN) with a different architecture from some previous research. Also, the CNN model is modified, where the classification process uses the Extreme Learning Machine (ELM), which is then called the CNN-ELM method. The empirical experiments dataset used a collection of lung x-ray images on Kaggle consisting of 1,583 normal images and 4,237 pneumonia images. The original image's size on the Kaggle dataset varies, but almost all of the images are more than 1000x1000 pixels. For classification processing to be more effective, CNN machines usually use reduced-size images. In this research, experiments were carried out with various input image sizes to determine the effect on the classifier's performance. The experimental results show that the input images' size has a significant effect on the classification performance of pneumonia, both the CNN and CNN-ELM classification methods. At the 200x200 input image size, the CNN and CNN-ELM methods showed the highest performance. If the two methods' performance is compared, then the CNN-ELM Method shows better performance than CNN in all test scenarios. The difference in accuracy between the CNN-ELM and CNN methods reaches 8.81% at the highest performance conditions, and the difference in F1-Score reaches 0.0729. This research provides important information that the size of the input image has a major influence on the classification performance of pneumonia, both classification using the CNN and CNN-ELM methods. Also, on all input image sizes used for the classification process, the CNN-ELM method shows better performance than the CNN method.
Pengumpulan Data Twitter Tentang Covid-19 di Indonesia untuk Menghitung Tingkat Engagement Pengguna Narulita, Luvia Friska; Sulistyawati, Dwi Harini
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834626

Abstract

Dari Twitter, pengguna dapat mendapatkan informasi tentang berbagai hal, begitu juga informasi tentang COVID-19. Dalam penelitian ini, dilakukan penelitian tentang tingkat engagement pengguna terhadap twit yang membahas tentang COVID-19. Penelitian dilakukan terhadap data twit pada bulan April 2020 hingga bulan Juni 2020. Data twit didapatkan dari akun akun yang khusus membahas tentang COVID serta akun milik pemerintah dengan melakukan penyaringan pada twit yang khusus membahas tentang COVID saja. Tujuan dari penelitian ini adalah untuk mengetahui tingkat engagement pengguna yang dapat diartikan dengan tingkat interaksi pengguna terhadap twit yang membahas tentang COVID-19 pada saat awal virus COVID-19 merebak hingga pada saat mulai dikenalkan istilah New Normal atau adaptasi kebiasaan baru. Dari penelitian yang dilakukan, didapatkan hasil bahwa tingkat interaksi pengguna terhadap twit tentang COVID menurun pada bulan Juni ketika kasus COVID semakin bertambah dan pelaksanaan kebijakan bekerja dari rumah sudah dilaksanakan sekitar dua bulan. Penurunan tingkat engagement pengguna sebesar 0,5% pada bulan Juni. AbstractTwitter users in Indonesia quite a lot. From Twitter, users can get information about various things, as well as information about COVID-19. In this study, research was conducted on the level of user engagement on tweets that discussed COVID-19. The study was conducted on tweet data from April 2020 to June 2020. The tweet data was obtained from accounts specifically discussing COVID and government-owned accounts by filtering on tweets which specifically discussed COVID only. The purpose of this study is to determine the level of user engagement which can be interpreted by the level of user interaction with tweets that discuss COVID-19 at the beginning of the COVID-19 virus spread until it was introduced to the term New Normal. This term is introduced to people to encourage them wearing mask and implementing health protocol during their activities.  From the research conducted, it was found that the level of user interaction with tweets about COVID decreased in June when COVID cases increased and the implementation of the work from home policy had been carried out for about two months.
Critical Realism sebagai Alternatif Landasan Filosofis di Penelitian Sistem Informasi Priharsari, Diah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021833383

Abstract

Tulisan ini dibuat untuk memperkenalkan landasan filosofis critical realism atau yang pada sebuah artikel di Indonesia disebut sebagai realisme kritis di akademisi dan praktisi sistem informasi Indonesia. Critical realism diajukan oleh beberapa peneliti terdahulu sebagai metode alternative untuk membantu perkembangan keilmuan di bidang sistem informasi. Banyak akademisi terdahulu yang mengkritik ketidakmampuan keilmuan sistem informasi menyumbangkan teori. Pada tulisan ini dibahas landasan critical realism dan bagaimana critical realism dapat membantu perkembangan teori. Selanjutnya, juga diberikan contoh penelitian di bidang sistem informasi yang menggunakan critical realism. AbstractThis essay was made to introduce critical realism as a philosophical foundation in information systems research. The expected audience for this writing is Indonesian information systems academia and practitioners. Information systems researchers suggest that critical realism affords the potential to establish alternative approach to theorising in information systems. There have been several articles made by senior scholars criticising the state of theorising in information systems. In this essay, we described the basic information about critical realism and how critical realism may help to theorising in information systems. We also showed an example of recent critical realism research in information systems and listed additional recent papers using CR.
Inisialisasi Otomatis Metode Level Set untuk Segmentasi Objek Overlapping pada Citra Panorama Gigi Adam, Safri; Arifin, Agus Zainal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813013

Abstract

Penelitian tentang segmentasi gigi individu telah banyak dilakukan dan memperoleh hasil yang baik. Namun, ketika dihadapkan kepada gigi overlap maka hal ini menjadi sebuah tantangan. Untuk memisahkan dua gigi overlap, maka perlu mengekstrak objek overlap terlebih dahulu. Metode level set banyak digunakan untuk melakukan segmentasi objek overlap, namun memiliki kelemahan yaitu perlu didefinisikan inisial awal metode level set secara manual oleh pengguna. Dalam penelitian ini diusulkan strategi inisialisasi otomatis pada metode level set untuk melakukan segmentasi gigi overlap menggunakan Hierarchical Cluster Analysis (HCA) pada citra panorama gigi. Tahapan strategi yang diusulkan terdiri dari preprocessing dimana di dalamnya ada proses perbaikan, rotasi dan cropping citra, dilanjutkan proses inisialisasi otomatis menggunakan algoritma HCA , dan yang terakhir segmentasi menggunakan metode level set. Hasil evaluasi menunjukkan bahwa strategi yang diusulkan berhasil melakukan inisialisasi secara otomatis dengan akurasi 73%. Hasil evaluasi segmentasi objek overlap cukup memuaskan dengan rasio misclassification error  0,93% dan relative foreground area error 24%. Dari hasil evaluasi menunjukkan bahwa strategi yang diusulkan dapat melakukan inisialisasi otomatis dengan baik. Inisialisasi yang tepat menghasilkan segmentasi yang baik pada metode level set.AbstractIndividual teeth segmentation has done a lot of the recent research and obtained good results. When faced with overlapping teeth, this is quite challenging. To separate overlapping teeth, it is necessary to extract the overlapping object first. The level set method is widely used to segment overlap objects, but it has a limitation that needs to define the initial level set method manually by the user. This research proposes an automatic initialization strategy for the level set method to segment overlapping teeth using Hierarchical Cluster Analysis on dental panoramic radiograph images. The proposed strategy stage consists of preprocessing where there are several processes of enhancement, rotation, and cropping of the image, Then the automatic initialization process uses the HCA algorithm and the last is segmentation using the level set method. The evaluation results show that the proposed strategy is successful in carrying out automatic initialization with an accuracy of 73%. The results of the overlap object segmentation evaluation are satisfactory with a misclassification error ratio of 0.93% and a relative foreground area error of 24%. The evaluation results show that the proposed strategy can carry out automated initialization well. Proper initialization results can perform good segmentation of the level set method.
Evaluasi Desain Antarmuka Sistem Informasi Bencana Menggunakan Aturan Theo Mandel Rahayuda, I Gede Surya; Santiari, Ni Putu Linda
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834389

Abstract

Desain antarmuka merupakan hal yang penting dalam pengembangan aplikasi sistem informasi, dengan terbentuknya desain antarmuka yang baik maka akan dihasilkan suatu aplikasi yang memiliki nilai usability yang tinggi dan akan dapat meningkatkan pengalaman pengguna. Pada penelitian ini akan dilakukan evaluasi terhadap sebuah simulasi sistem informasi bencana berbasis website, dimana website dibangun menggunakan material desain vuetify.js. Vuetify merupakan sebuah library user interface dari front end framework yang memiliki desain antarmuka yang baik yaitu vue.js. Evaluasi dilakukan menggunakan Mandel's Golden Rules, dimana aturan tersebut memiliki tiga kelompok kriteria evaluasi dan tiap kelompok memiliki beberapa poin evaluasi, seperti 10 aturan evaluasi pada kelompok place users in control, 9 aturan evaluasi pada kelompok reduce users memory load dan 5 aturan evaluasi pada kelompok make the interface consistent. Sehingga secara keseluruhan terdapat sebanyak 24 aturan evaluasi. Berdasarkan evaluasi yang dilakukan dapat disimpulkan bahwa desain antarmuka dari website yang dibuat secara umum telah sesuai dengan aturan emas Theo Mandel. Dari 24 aturan evaluasi yang dinilai terdapat 9 aturan evaluasi mendapatkan nilai sangat baik dan 15 aturan mendapatkan nilai baik. Dengan total persentase nilai sebesar 79% (baik). Abstract Interface design is important in information system application development, with the formation of a good interface design, an application that has a high usability value will be produced and will be able to improve the user experience. This research will evaluate a website-based disaster information system simulation, where the website is built using the vuetify.js design material. Vuetify is a user interface library from the front end framework which is known for its good interface design, vue.js. Evaluation is carried out using Mandel's Golden Rules, where these rules have three groups of evaluation criteria and each group has several evaluation points, such as 10 evaluation rules in the place users in control group, 9 evaluation rules in the reduce users memory load group and 5 evaluation rules in the make group the interface consistent. So that in total there are 24 evaluation rules. Based on the evaluation, it can be concluded that the interface design of the website is generally in accordance with Theo Mandel's golden rules. Of the 24 evaluation rules that are assessed, there are 9 evaluation rules that get very good scores and 15 rules get good scores. With a total percentage value of 79% (good).
Algoritma Deep Learning-LSTM untuk Memprediksi Umur Transformator Ningrum, Ayu Ahadi; Syarif, Iwan; Gunawan, Agus Indra; Satriyanto, Edi; Muchtar, Rosmaliati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834587

Abstract

Kualitas dan ketersediaan pasokan listrik menjadi hal yang sangat penting. Kegagalan pada transformator menyebabkan pemadaman listrik yang dapat menurunkan kualitas layanan kepada pelanggan. Oleh karena itu, pengetahuan tentang umur transformator sangat penting untuk menghindari terjadinya kerusakan transformator secara mendadak yang dapat mengurangi kualitas layanan pada pelanggan. Penelitian ini bertujuan untuk mengembangkan aplikasi yang dapat memprediksi umur transformator secara akurat menggunakan metode Deep Learning-LSTM. LSTM adalah metode yang dapat digunakan untuk mempelajari suatu pola pada data deret waktu. Data yang digunakan dalam penelitian ini bersumber dari 25 unit transformator yang meliputi data dari sensor arus, tegangan, dan suhu. Analisis performa yang digunakan untuk mengukur kinerja LSTM adalah Root Mean Squared Error (RMSE) dan Squared Correlation (SC). Selain LSTM, penelitian ini juga menerapkan algoritma Multilayer Perceptron, Linear Regression, dan Gradient Boosting Regressor sebagai algoritma pembanding.  Hasil eksperimen menunjukkan bahwa LSTM mempunyai kinerja yang sangat bagus setelah dilakukan pencarian komposisi data, seleksi fitur menggunakan algoritma KBest dan melakukan percobaan beberapa variasi parameter. Hasil penelitian menunjukkan bahwa metode Deep Learning-LSTM mempunyai kinerja yang lebih baik daripada 3 algoritma lain yaitu nilai RMSE= 0,0004 dan nilai Squared Correlation= 0,9690. AbstractThe quality and availability of the electricity supply is very important. Failures in the transformer cause power outages which can reduce the quality of service to customers. Therefore, knowledge of transformer life is very important to avoid sudden transformer damage which can reduce the quality of service to customers. This study aims to develop applications that can predict transformer life accurately using the Deep Learning-LSTM method. LSTM is a method that can be used to study a pattern in time series data. The data used in this research comes from 25 transformer units which include data from current, voltage, and temperature sensors. The performance analysis used to measure LSTM performance is Root Mean Squared Error (RMSE) and Squared Correlation (SC). Apart from LSTM, this research also applies the Multilayer Perceptron algorithm, Linear Regression, and Gradient Boosting Regressor as a comparison algorithm. The experimental results show that LSTM has a very good performance after searching for the composition of the data, selecting features using the KBest algorithm and experimenting with several parameter variations. The results showed that the Deep Learning-LSTM method had better performance than the other 3 algorithms, namely the value of RMSE = 0.0004 and the value of Squared Correlation = 0.9690.
Analisis Manajemen Risiko Startup pada Masa Pandemi COVID-19 Menggunakan COBIT® 2019 Tanjung, Dio Febrilian; Oktaviana, Aulia; Widodo, Aris Puji
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834914

Abstract

Perkembangan startup berbasis teknologi informasi (TI) semakin meningkat dewasa ini. Sebagai penunjang keberhasilan bisnis perusahaan, TI memiliki risiko yang timbul di berbagai keadaan terutama di era pandemi COVID-19. Salah satu alternatif yang dapat dimanfaatkan untuk mengelola dan menjamin usaha yang lebih kondusif dan kredibel yaitu manajemen risiko yang tepat. Hal ini karena manejemen risiko menjadi hal yang penting pada bisnis dalam meningkatkan keuntungan dan mempertahankan kontinuitas bisnis, terutama dalam kondisi pandemi COVID-19. Pembahasan manajemen risiko TI secara umum sudah cukup banyak, namun penelitian manajemen risiko dalam menghadapi masa pandemi perlu dipertimbangkan. Hal ini dikarenakan pada masa pandemi ini, TI menjadi salah satu kunci agar bisnis dapat bertahan dan memenangkan kompetisi. Selain itu, pandemi COVID-19 termasuk dalam kasus luar biasa yang belum pernah terjadi dalam kurun waktu ratusan tahun, sehingga secara teknis risiko dari pandemi ini termasuk dalam risiko yang tidak terpikirkan sebelumnya oleh perusahaan. Tujuan penelitian ini untuk mengidentifikasi kondisi implementasi manajamen dan ancaman risiko terhadap proses bisnis pada sebuah perusahaan startup terutama di masa pandemi. Penelitian ini menggunakan metode kualitatif dengan mengacu pada COBIT® 2019 fokus domain DSS04 Manage Continuity dengan melakukan observasi awal terhadap kondisi perusahaan dan wawancara terhadap pemangku kepentingan perusahaan. Hasil penelitian menunjukkan bahwa perusahaan telah melakukan penyesuaian terhadap kebutuhan bisnis selama masa pandemi COVID-19 untuk memastikan keberlangsungan bisnis. Namun dalam pelaksanaannya belum ada pengukuran risk management untuk mengontrol apakah manajemen risiko yang dijalankan sudah tepat, sehingga diperlukan penerapan COBIT® 2019 dalam tata kelola bisnis perusahaan. AbstractThe development of information technology (IT) based startups is increasing nowadays. To support the company's business success, IT has risks arising from various circumstances, especially in the era of the COVID-19 pandemic. One alternative that can be used to manage and ensure a conducive and credible business is proper risk management. This is because risk management is important for businesses in increasing profits and maintaining business continuity, especially in the conditions of the COVID-19 pandemic. There is a lot of discussion about IT risk management in general, but research on risk management in dealing with the pandemic needs to be considered. This is because during this pandemic, IT is one of the keys for businesses to survive and win the competition. In addition, the COVID-19 pandemic is included in an extraordinary case that has not occurred in hundreds of years, so that technically the risks from this pandemic are included in risks that were not thought of before by the company. The purpose of this study is to identify the conditions of management implementation and risk threats to business processes at a company startup, especially during the pandemic. This study uses a qualitative method with reference to COBIT® 2019 focused on the DSS04 Manage Continuity domain by conducting initial observations of the company's condition and interviews with company stakeholders. The results show that the company has made adjustments to business needs during the COVID-19 pandemic to ensure business continuity. However, in practice there is no risk management measurement to control whether the risk management is carried out properly, so it is necessary to implement COBIT® 2019 in corporate business governance.

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