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 4: Agustus 2021" : 26 Documents clear
Perancangan Sistem Informasi Manajemen Berbasis Web Studi Kasus : PT Unicorn Intertranz Kustanto, Ghavinkson Enstayn Abednego; Chernovita, Hanna Prillysca
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844849

Abstract

Pengelolaan data perusahaan merupakan suatu hal utama dan krusial dalam memasuki persaingan industri era sekarang. Selain mudah dan aman, sistem manajemen yang telah terkomputerisasi dapat meminimalisir risiko human error. Dalam perancangan sistem informasi manajemen sendiri terdapat banyak metode yang dapat dipakai, salah satunya adalah metode prototype. Metode prototype memudahkan client untuk melihat dan mengevaluasi prototype secara bertahap seiring program dibangun. Prototype dapat ditambah maupun dikurangi sesuai berjalannya proses pengembangan. Metodologi prototype memiliki beberapa tahapan yaitu, communication, quick planning, quick Modelling, construction hingga deployment. Adapun tujuan penelitian ini ialah melakukan perancangan sistem informasi manajemen perusahaan untuk mendukung aktivitas bisnis serta pengelolaan data perusahaan. Sistem informasi manajemen yang akan dibangun pada perusahaan ini meliputi komputerisasi seluruh proses bisnis, desain sistem pada setiap divisi, hingga perancangan database perusahaan. Perancangan sistem informasi ini dimulai dari pengumpulan data-data yang diperlukan menggunakan metode diskusi dan wawancara, penerjemahan data kedalam UML diagram, implementasi kode sistem, hingga testing.AbstractManagement of company data is a major and crucial thing in entering today's industrial competition. Apart from being easy and safe, a computerized management system can minimize the risk of human error. In designing the management information system itself, there are many methods that can be used, one of which is the prototype method. The prototype method makes it easy for clients to see and evaluate the prototype in stages as the program is built. Prototypes can be added or subtracted according to the development process. The stages in the prototype methodology include communication, quick planning, quick modelling, construction and deployment. The purpose of this research is to design a company management information system to support business activities and company data management. The management information system that will be built in this company includes computerization of all business processes, system design in each division, to designing company databases. The design of this information system starts from collecting the necessary data using discussion and interview methods, translating data into UML diagrams, implementing system code, to testing.
Penentuan Bantuan Siswa Miskin Menggunakan Fuzzy Tsukamoto Dengan Perbandingan Rule Pakar dan Decision Tree (Studi Kasus : SDN 37 Bengkulu Selatan) Akbar, Riolandi; 'Uyun, Shofwatul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813191

Abstract

Penelitian penentuan calon bantuan siswa miskin ini di Sekolah Dasar Negeri 37 Bengkulu Selatan. Masalah yang terjadi ada ketidaksesuaian dari hasil output dalam pemberian bantuan siswa miskin, belum digunakannya metode keputusan untuk setiap kriteria dan masih menggunakan penilaian prediksi atau perkiraan untuk calon penerima bantuan. Metode penelitian yang dilakukan menggunakan Fuzzy Tsukamoto dengan perbandingan dua metode yaitu rule pakar dan Decision Tree SimpleCart. Tahapan penelitian ini dimulai dengan menganalisis output dengan melakukan seleksi dari sejumlah alternatif hasil, kemudian melakukan pencarian nilai bobot setiap atribut dari Fuzzy Tsukamoto dengan metode perbandingan rule pakar dan Decision Tree SimpleCart. Selanjutnya menentukan parameter batasan fungsi keanggotaan fuzzy meliputi kartu perlindungan sosial, nilai rata-rata raport, tanggungan, penghasilan orang tua, prestasi dan kepemilikan rumah. Analisis hasil yang diperoleh dari pengujian terhadap 75 data siswa dan telah dilakukan klasifikasi menggunakan Fuzzy Tsukamoto didapatkan hasil akurasi dengan metode rule pakar sebesar 72% dan metode Decision Tree SimpleCart sebesar 76%. Hasil akurasi tersebut di simpulkan bahwa metode Decision Tree SimpleCart mempunyai tingkat akurasi yang lebih tinggi dari metode rule pakar sehingga lebih mampu dalam menyeleksi serta mencari nilai bobot penentuan bantuan siswa miskin.  AbstractResearch on the determination of candidates for assistance from poor students in South Bengkulu 37 Primary School. The problem that occurs is there is a mismatch of the output results in the provision of assistance to poor students, the decision method has not been used for each criterion and is still using predictive or estimated assessments for prospective beneficiaries. The research method used was Fuzzy Tsukamoto with a comparison of two methods, namely expert rule, and SimpleCart Decision Tree. The stages of this research began by analyzing the output by selecting many alternative results, then searching for the weight value of each attribute from Fuzzy Tsukamoto with the method of expert rule comparison and the SimpleCart Decision Tree. Next determine the parameters of the fuzzy membership function limit includes social protection cards, the average value of report cards, dependents, parents' income, achievements, and homeownership. Analysis of the results obtained from testing of 75 student data and classification using Fuzzy Tsukamoto has obtained accuracy with the expert rule method by 72% and the SimpleCart Decision Tree method by 76%. The accuracy results are concluded that the SimpleCart Decision Tree method has a higher level of accuracy than the expert rule method so that it is better able to select and search for the weighting value of determining the assistance of poor students. 
Korelasi Antara Profil dan Nilai Akademis Siswa dengan Menggunakan Algoritma K-Means Surohman, Surohman; Fabrianto, Luky; Riza, Faiza; Faizah, Novianti M
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021843034

Abstract

Hampir setiap pelajar di Indonesia terdaftar dengan atribut profil yang lengkap, seperti : Nama, Jenis Kelamin, Jenis Tinggal, Alat Transportasi, Usia Orangtua, Pendidikan Orangtua, Pekerjaan Orangtua, Penghasilan Orangtua dan atribut lainnya. Dari data atribut profil tersebut dapat diklasterisasi berdasarkan kedekatan nilai antara atribut yang dimiliki masing-masing siswa. Disisi lain siswa juga memiliki data yang berisi nilai akademis yang juga dapat dibuat klasterisasi.Data yang dipakai dalam penelitian ini melibatkan 512 instances yang didapat dari sebuah Sekolah Menengah Kejuruan (SMK)  di Jakarta. Metode yang pakai untuk klasterisasi menggunakan algoritma K-Means. Penelitian ini akan mencari korelasi klasterisasi profil siswa terhadap nilai akademisnya.Tahapan penelitian diawali dengan persiapan dataset profil dan dataset nilai siswa, atribut dari dataset profil yang dipakai hanya atribut yang dianggap dapat merepresentasikan profil siswa dan keluarganya. Tahap berikutnya adalah mentrasformasi data atribut non numerik  (kategorik dan interval) menjadi numerik. Dilanjutkan dengan tahap perhitungan jarak antar data dan tahap terakhir mencari pola korelasi antara klaster profil dan klaster nilai akademis yang terbentuk.Dengan metode elbow jumlah klaster yang paling ideal dalam penelitian ini adalah antara 3 dan 4 klaster, dimana nilai Silhoutte Coefficient tertinggi adalah 0,8103 untuk penglompokan 3 klaster. AbstractAlmost every student in Indonesia is registered with complete profile attributes, such as: Name, Gender, Type of Stay, Transportation Equipment, Parents' Age, Parental Education, Parents' Work, Parents' Earnings and other attributes. From the profile attribute data it can be clustered based on the closeness of the values between the attributes possessed by each student. On the other hand students also have attribute data that contains academic values that can also be clustered.The data used in this study involved 512 instances obtained from a Vocational High School (SMK) in Jakarta. The method used for clustering is using the K-Means algorithm. This research will look for correlation of student profile clustering to its academic value.The stages of the research began with the preparation of the profile dataset and the student value dataset, the attributes of the profile dataset used were only those attributes that were considered to represent the profiles of students and their families. The next step is to transform non-numeric attribute data (categorical and interval) into numeric. Followed by the stage of calculating the distance between data and the final stage looking for patterns of correlation between profile clusters and academic value clusters that are formed.With the elbow method, the most ideal number of clusters in this study is between 3 and 4 clusters, where the highest Silhoutte Coefficient value is 0.8103 for grouping 3 clusters.
Implementasi Support Vector Machine untuk Deteksi Stres pada Pengguna E-Learning Pradana, Fajar; Bachtiar, Fitra A.; Zulfikarrahman, Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844371

Abstract

Pada masa ini, e-learning cenderung monoton yang hanya digunakan untuk otomasi pekerjaan saja. Pada pengembangan e-learning yang akan datang, e-learning menerapkan lingkungan adaptif agar hasil yang didapatkan dari penggunaan e-learning dapat menjadi lebih optimal. Salah satu strategi agar e-learning menjadi adaptif adalah adaptasi dengan kondisi mental pengguna. Contoh kasus ketika pengguna stres maka sistem e-learning yang adaptif akan memberikan materi latihan yang lebih mudah atau memberi notifikasi untuk istirahat. Deteksi stres dapat dilakukan dengan pengolahan data dari sinyal fisiologis, yaitu heart rate. Metode klasifikasi Support Vector Machine diterapkan untuk deteksi stres. Fitur yang digunakan untuk klasifikasi stres adalah fitur yang berasal dari domain Heart Rate Statistical. Pengujian akurasi metode Support Vector Machine terhadap kasus pengguna e-learning mampu menghasilkan akurasi sampai 58,3% dengan menggunakan 12 sampel data. AbstractThis time, e-learning tends to be monotonous which is only for job automation. In future of e-learning development, e-learning will apply adaptive environment so that the result obtained from e-learning can be more optimal. One of the strategies to turn e-learning to be adaptive is adaptation to user’s mental condition. By example, when user is stressed then adaptive e-learning system will provide easier exercise or pop notification for break. Stress detection can be achieved by processing data from physiological signal that is heart rate. The Support Vector Machine classification method can be implemented for stress detection. The features that used for stress detection are derived features from Heart Rate Statistical domain. The Support Vector Machine validation testing on case of e-learning users able to provide 58,3% accuracy by using 12 samples of data.
Penerapan user Experience Design Pada Pengembangan Aplikasi Mobile Markopi Sianturi, Riyanthi Angrainy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021842840

Abstract

Penelitian ini bertujuan untuk memaparkan proses penerapan User Experience Design (UXD) dalam pengembangan aplikasi mobile dengan studi kasus pertanian dan budidaya kopi. Latar belakang penulisan ini untuk menjembatani jarak antara petani dan fasilitator kopi dalam proses mencari dan berbagi informasi. Dalam proses penerapan UXD ini, peneliti melakukan tahapan dalam penerapan UXD yaitu preliminary research, prototype, user testing, dan maintenance. Dalam setiap tahapan akan menghasilkan output sesuai dengan tahapan yang sudah dilakukan. Pada tahapan preliminary research peneliti akan menentukan user, lokasi, dan akan melakukan user interviews dan observasi untuk mendapatkan informasi dan kebutuhan user. Luaran dari tahapan ini yaitu user persona, user stories, user scenario, dan user flows. Pada tahap prototyping, peneliti merancang prototype sesuai dengan kebutuhan user yang telah diperoleh pada tahap sebelumnya. Prototype yang sudah dirancang akan diuji kepada user, yang menjadi user testing pada tahap ini yaitu petani kopi dari Lumbanjulu, fasilitator kopi dari daerah Lumbanjulu dan Sipolha. Peneliti melakukan observasi dan menerima feedback user selama proses user testing. Hasil feedback user dan observasi dari peneliti diperbaiki pada tahap maintenance. Hasil dari penelitian adalah sebuah aplikasi berbasis android yang mengakomodir informasi cara budidaya kopi mulai dari penanaman, pemupukan, sanitasi kebun dan pembibitan. Fasilitator dapat menambahkan informasi pada aplikasi, sedangkan user hanya dapat membaca informasi yang tersedia. AbstractThis research aims to apply the User Experience Design (UXD) process in developing mobile applications for coffee farming. The application built to bridge the coffee farmers and facilitators in the process of finding and sharing the informations. There is no application that can facilitate farmers in getting good coffee farming information, and also concern about good user experience. For applying UXD process, researchers combines the general process of UXD with software development process, namely preliminary research, prototyping, user testing, maintenance, application development, heuristic evaluation, blackbox testing and user acceptance test. The success of application development is determined by the UXD process that was carried out first. Implementation is not immediately carried out before user needs was defined, so after the research stage, prototype is tested by the user. Application development is done after the user agrees the prototype design, which measured through the USE Questionnaire. Android-based applications are built to accommodate information on coffee farming from planting, fertilizing, sanitation gardens and nurseries. The facilitator can add information to the application, while the user can only read the information available. From the research process it was concluded that the application built meets user needs based on the functions provided in the application and the ease and satisfaction of use, as measured through the User Acceptance Test. Stages by the researcher can be used as a reference in developing applications that meet a good User Experience.
Rancang Bangun Sensor Radar Sense And Avoid Uav Untuk Smart System Teletransport Alat Kesehatan Wahyudi, Agus Hendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844423

Abstract

Perancangan sensor radar untuk  sense and avoid (SAA) sistem pesawat tanpa awak (UAV) bertujuan agar operasi teletransport alat kesehatan dengan UAV VTOL berjalan dengan aman terhindar dari kecelakaan tabrakan di udara. Sensor radar ini didesain dengan bahan duroid 5880 dengan dielektrik konstant 2.2 dan ketebalan subtrate 1.57 mm. Bentuk antenna circular dan bekerja di pita ku-band 14 Ghz. Terdapat dua sensor untuk Tx dan Rx dalam satu substrate. Hasil simulasi sensor menunjukkan bandwitdh yang lebar 1.5 GHz  sehingga mampu menghasilkan resolusi range sangat baik yaitu 9.2 cm. Penguatan antenna dihasilkan 7.32 dB dan sudut beamwidth sensor 83O arah azimuth dan 78.2O arah elevasi. Sensor ini akan disematkan pada sistem SAA dengan algoritma neural network yang mendrive manuever UAV VTOL berbelok kesamping pada sudut dan jarak yang tepat sehingga terhindar dari tabrakan dengan objek penghalang.AbstractThe design of the radar sensor for the sense and avoid (SAA) system of unmanned aircraft (UAV) aims to make teletransport operations of medical devices with UAV VTOL run safely avoiding collisions in the air. This radar sensor is designed with duroid 5880 material with a dielectric constant of 2.2 and a subtrate thickness of 1.57 mm. The antenna is circular and works on the 14 Ghz ku-band band. There are two sensors for Tx and Rx in one substrate. The sensor simulation results show a wide bandwidth of 1.5 GHz so that it is able to produce a very good range resolution of 9.2 cm. The antenna gain was 7.32 dB and the beamwidth angle of the sensor was 83O in the azimuth direction and 78.2O in the elevation direction. This sensor will be embedded in the SAA system with a neural network algorithm that drives the UAV VTOL maneuver to turn sideways at the right angle and distance so that it avoids collisions with obstructions.

Page 3 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: April 2015 Vol 2, No 1 (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