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 9 No 3: Juni 2022" : 26 Documents clear
Optimasi Convolutional Neural Network Untuk Deteksi Covid-19 pada X-ray Thorax Berbasis Dropout Suryawan, I Gede Totok; Darma Udayana, I Putu Agus Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935143

Abstract

Pandemi COVID-19 yang melanda Indonesia sejak pertengahan tahun 2020 telah memberikan dampak luar biasa pada infrastruktur medis di Indonesia. Angka rata-rata penyebaran virus COVID-19 yang cukup tinggi membuat monitoring bed occupancy rate menjadi sebuah tantangan tersendiri. Dengan adanya penetrasi Artificial Intelligence yang tepat pada sistem medis di Indonesia, diharapkan dapat membantu terjadinya transfer knowledge antar paramedis menjadi lebih efektif. Salah satunya dengan menggunakan Deep learning yaitu Convolutional Neural Network (CNN) yang sudah terbukti merupakan salah satu metode yang dapat digunakan untuk melakukan skrining pasien dan mendeteksi COVID-19. Namun untuk melatih sebuah classifier CNN yang ampuh dan siap digunakan di dunia nyata membutuhkan computing power yang besar dan umumnya training rate yang lama.  Penelitian ini bertujuan untuk membuat arsitektur jaringan syaraf tiruan berbasis deep learning yang lebih cepat dan efisien dengan pembuatan network yang  lebih ramping sehingga lebih mudah dibuat oleh orang lain tanpa harus memiliki computing power yang besar. Metode yang digunakan adalah dengan menyisipkan dropout layer pada sistem jaringan syaraf tiruan. Metode ini akan memaksa sistem untuk belajar memakai rute yang tersingkat dengan cara menghilangkan beberapa node secara acak. Arsitektur ini kemudian diuji pada data ronsen thorax penyintas COVID-19 dan kemudian dibandingkan dengan arsitektur lainnya yang sama-sama memakai pendekatan deep learning. Setelah ditraning menggunakan 500 data COVID-19 thorax X-Ray public database dan diuji dengan jumlah data yang sama, classifier yang menggunakan arsitektur ini mampu menghasilkan akurasi sebesar 95,20%, precision 94,80%, recall 95,58%, specificity 94,88%, NVP sebesar 95,60%, F-Score sebesar 95,18 dan dapat menghemat waktu training sampai 62% dibandingkan dengan arsitektur deep learning lainnya. AbstractThe COVID-19 pandemic that hit Indonesia in mid-2020 had a tremendous impact on medical infrastructure in Indonesia. The virus made monitoring the bed occupancy rate became a challenge in itself. New approach can be taken to fight the crisis. The Convolutional Neural Network (CNN), which has proved to be one of the methods that can use to screen patients and detect COVID-19.also have its own problem because it requires enormous computing power and generally a long training rate. Therefore, this study aimed to tackle that problem by creating a leaner network. Thus, it is easier for others to build without having enormous computing power. The method used was to insert a dropout layer on the artificial network system. This method will force the system to learn using the shortest route by eliminating some nodes at random. Then, this architecture was tested on chest X-ray data of COVID-19 survivors and compared with other architectures that both used a deep learning approach. It proved that when this system was tested with COVID-19 thorax x-ray public database data, the classifier that used this architecture could achieve an accuracy rate of 95.20% followed by precision and recall value reaching 94.80% and 94.80%. respectively and last but not least F-score of 95.18% and Negative Predictive value of 95.60%  It could also save training time up to 62% compared to other deep learning architectures. Using dropout layers proved could produce more efficient layers and more powerful classifiers while keeping training time to a minimum.
Pengukuran Kepuasan Pengguna E-Learning Menggunakan Metode Evaluasi Heuristik dan System Usability Scale Iryanti, Emi; Zulfiqar, La Ode Mohamad; Kusumawardani, Sri Suning; Hidayah, Indriana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022924631

Abstract

Pandemik COVID-19 yang terjadi saat ini mempengaruhi banyak aspek kehidupan termasuk pendidikan, dimana pembelajaran dilakukan dari rumah untuk mengurangi resiko penularan virus corona dengan menerapkan e-learning. Hal ini yang membuat implementasi e-learning harus baik, oleh karenanya harus dilakukan evaluasi agar e-learning mudah digunakan. Salah satu aspek penting yang harus dievaluasi yakni dari sisi usability-nya dimana dapat diketahui kepuasan pengguna dari sisi “kebergunaan”nya. Penelitian ini menggunakan dua metode evaluasi usability yaitu System Usability Scale (SUS) dan evaluasi heuristik (HE) digunakan untuk hal ini. Penggunaan kedua metode ini dilakukan untuk mendapatkan hasil evaluasi yang lebih mendalam agar dapat dilakukan perbaikan oleh pihak terkait. Dalam evaluasi usability menggunakan HE, evaluator yang dipilih adalah lima user expert yang ahli dalam bidang usability (tiga orang) ahli dalam bidang IT dan pengembangan pembelajaran (dua orang), sedangkan lingkup evaluasi pada penelitian ini yaitu proses login, edit profile, organisasi perkuliahan, dan aktivitas perkuliahan. Sedangkan pada evaluasi menggunakan kuesioner SUS diperoleh skor 63,3 (grade C-) dengan 162 responden, dengan hasil uji realibitas sebesar 0,818 dan uji validitas semua item pertanyaan di atas 0,129 yang berarti bersifat realible dan valid. Hasil evaluasi usability menggunakan HE, didapatkan bahwa terdapat satu prinsip yang dianggap sebagai permasalahan mayor oleh user expert yaitu prinsip user control and freedom, dimana sistem (e-learning) tidak memfasilitasi fungsi undo dan redo yang menyebabkan pengguna kebingungan apabila dengan sengaja/tidak memilih menu yang tidak dikehendaki. AbstractThe COVID-19 pandemic affects many aspects including education, where learning is carried out from home to reduce the risk of coronavirus transmission by implementing e-learning. One important aspect that must be evaluated is from the usability side, where we can find out the user satisfaction from the "usability" side. This study uses two usability evaluation methods, namely the System Usability Scale (SUS) and the heuristic evaluation (HE). The use of these two methods is carried out to obtain more in-depth evaluation results so that related parties can improve them. In the usability evaluation using HE, the selected evaluators are five user experts who are experts in the field of usability (three people) who are experts in the field of IT and learning development (two people), while the scope of evaluation in this study is the login process, edit profile, lecture organization, and lecture activities. While the evaluation using the SUS questionnaire obtained a score of 63.3 (grade C-) with 162 respondents. The results of the usability evaluation using HE, it was found that there is one principle that is considered a major problem by user experts, namely the principle of user control and freedom, where the system (e-learning) does not facilitate the undo and redo functions which causes confusion if the user click unwanted menu.
Perbandingan Pretrained Model Transformer pada Deteksi Ulasan Palsu Awalina, Aisyah; Bachtiar, Fitra Abdurrachman; Utaminingrum, Fitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935696

Abstract

Kemudahan untuk memperoleh informasi saat ini, telah sedikit membantu hidup kita. Seperti mencari ulasan untuk menimbang tempat atau barang yang akan dipilih. Beberapa orang memanfaatkan hal tersebut dengan membuat ulasan palsu untuk kepentingan mereka sendiri. Sehingga deteksi ulasan palsu sangat dibutuhkan. Model Transformer saat ini banyak diterapkan pada pemrosesan bahasa alami karena kinerja yang diperoleh nya sangat baik. Ada dua pendekatan yang dapat dilakukan dalam model Transformer yaitu pre-training dan fine-tuning. Penelitian sebelumnya telah banyak menggunakan fine-tuning dari model Transformer dikarenakan adanya kemudahan dalam pelatihan, waktu yang lebih sedikit, biaya dan kebutuhan lingkungan yang lebih rendah dibanding proses pre-training. Akan tetapi penelitian sebelumnya masih sedikit yang membandingkan model deep learning dengan fine-tuning yang khusus diterapkan pada deteksi ulasan palsu. Penelitian ini melakukan perbandingan model Transformer menggunakan pendekatan fine-tuning dengan metode deep learning yaitu CNN dengan berbagai pretrained word embedding untuk mengatasi deteksi ulasan palsu pada dataset Ott. Model RoBERTa mengungguli model Transformer dan deep learning dimana nilai akurasi 90,8%; precision 90%; recall 91,8% dan f1-score 90,8%. Namun dari segi waktu komputasi model pelatihan, DistilBERT memperoleh waktu komputasi terkecil yaitu dengan nilai 200,5 detik. Meskipun begitu, hasil yang diperoleh model Transformer maupun deep learning memiliki kinerja yang baik untuk deteksi ulasan palsu pada dataset Ott.AbstractThe ease of obtaining information today has helped our lives, like looking for reviews to weigh the place or item to choose. Some people take advantage of this by creating spam reviews for their benefit. So the detection of spam reviews is needed. Transformer models are currently widely applied to natural language processing because they have outstanding performance. Two approaches in the Transformer model is pre-training and fine-tuning. Previous studies have used a lot of fine-tuning due to the ease of training, less time, costs, and lower environmental requirements than the pre-training process. However, a few previous studies compare deep learning models with fine-tuning applied explicitly for detecting spam reviews. This study compares the Transformer model using a fine-tuning approach with a deep learning method, namely CNN, which uses various pre-trained word embedding to overcome the detection of false reviews in the Ott dataset. The result is RoBERTa model outperforms between Transformer and deep learning models, where the accuracy is 90.8%, precision is 90%, recall is 91.8%, and f1-score is 90.8%. Afterward, DistilBERT models obtained the shortest computation time with 200.5 seconds. However, the results obtained by both Transformer and deep learning models perform well to detect spam reviews in the Ott dataset.
Analisis Perpindahan Wisatawan dan Preferensi Desrinasi Wisata Favorit Berdasarkan Geotag Instagram (Studi Kasus pada Destinasi Wisata Bandung Raya) Irawan, Herry; Nurhazizah, Eva; Panjaitan, Joe Nathan C.G.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935747

Abstract

Pariwisata adalah salah satu generator utama cadangan devisa nasional dengan pertumbuhan 10,1% per tahun. Pariwisata juga diharapkan akan menjadi kekuatan utama ekonomi lokal. Beberapa langkah ditempuh Pemerintah Provinsi Jawa Barat dalam rangka meningkatkan kunjungan wisata, salah satunya dengan penerapan teknologi komunikasi dan informasi atau dikenal dengan konsep smart tourism. Instagram adalah media yang memungkinkan pengguna dapat membagikan foto dan video. Data foto dan video pada Instagram di-generate oleh pengguna sendiri (user generated content). Media Instagram dapat menjadi alat ukur daya tarik pengunjung, mengidentifikasi point of interest popular suatu kota, saran destinasi wisata, dan bahkan membuat rute perjalanan wisata yang baik.Penelitian ini bertujuan untuk mengidentifikasi pola kunjungan wisatawan dan preferensi tujuan wisata favorit pada 43 destinasi wisata pilihan di Bandung Raya berdasarkan data unggahan media sosial Instagram. Identifikasi pola perpindahan kunjungan wisatawan dilakukan dengan menggunakan metode association rules. Temuan dari penelitian ini adalah destinasi wisata dengan daya tarik wisata pusat perbelanjaan memiliki nilai support dan confidence yang lebih tinggi dibanding daya tarik wisata lainnya. Identifikasi destinasi wisata favorit didasarkan pada intensitas jumlah unggahan dari wisatawan (unique visitor). Penelitian ini berhasil mengidentifikasi bahwa top 3 diduduki oleh wisata pusat perbelanjaan, akan tetapi top 10 destinasi wisata didominasi oleh destinasi wisata dengan daya tarik wisata alam. Mayoritas destinasi wisata dengan daya tarik wisata rekreasi kota berada di urutan 20 terbawah. AbstractTourism is one of the main generators of national foreign exchange reserves with a growth of 10.1% per year. Tourism is expected to become a major force for the local economy. Several steps were taken by the West Java Provincial Government in order to increase tourist visits, one of which was the application of communication and information technology or known as the concept of smart tourism. Instagram is a medium that allows users to share photos and videos. Photo and video on Instagram are generated by the users themselves (user generated content). Instagram can be a tool for measuring visitor attractiveness, identifying popular points of interest in a city, suggesting tourist destinations, and even making good travel routes.The purpose of this study is to identify patterns of tourist visits and preferences for favorite tourist destinations in 43 selected tourist destinations in Greater Bandung based on data uploaded by Instagram social media. Identification of tourist movement pattern is done by using the association rules method. The findings of this study are tourist destinations with shopping center tourist attractions have higher support and confidence values than other tourist attractions. Identification of favorite tourist destinations is based on the intensity of the number of uploads from tourists (unique visitors). This study succeeded in identifying that the top 3 were occupied by shopping center tourism, but the top 10 tourist destinations were dominated by tourist destinations with natural tourist attractions. The majority of tourist destinations with urban recreational attractions are in the bottom 20.
Rancang Bangun Purwarupa Pemilah Sampah Pintar Berbasis Deep Learning Muchtar, Kahlil; Anshari, Nyak Twoman; Chairuman, Chairuman; Alhabibie, Khalid; Munadi, Khairul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022934976

Abstract

Pengolahan sampah di Indonesia masih menjadi pekerjaan rumah yang besar dan belum terselesaikan. Menurut penelitian aktual Sustainable Waste Indonesia (SWI) mengungkapkan bahwa 24% sampah di Indonesia masih tidak dikelola dengan baik. Dari sekitar 65 juta ton sampah yang diproduksi di Indonesia tiap harinya, sampah yang paling banyak dihasilkan adalah sampah organik sebanyak 60%, sampah plastik 14%, diikuti sampah kertas 9%, metal 4,3%, kaca, kayu dan bahan lainnya sebesar 12,7%. Sampah plastik yang dihasilkan Indonesia mencapai 1,3 juta ton. Berdasarkan banyaknya sampah yang diproduksi Indonesia, dapat diketahui besarnya peran daur ulang dalam menyelamatkan lingkungan. Peran yang paling utama adalah dapat membantu mengurangi limbah dimanapun dan mengurangi polusi. Langkah awal untuk pengolahan limbah adalah pemilahan. Dengan memilah sampah yang benar, masyarakat dapat dengan mudah mengidentifikasi bahan mana yang dapat didaur ulang dan mana yang tidak. Berdasarkan permasalahan tersebut, peneliti mengusulkan sebuah sistem yang mampu membedakan dan mengenal sampah organik dan sampah anorganik. Dalam hal ini, digunakan salah satu cabang ilmu pembelajaran mesin (Machine Learning) yang mampu mengetahui kumpulan gambar serta mengklasifikasikannya yaitu pembelajaran mendalam (Deep Learning). Salah satu metode pembelajaran mendalam (Deep Learning) yang digunakan adalah Convolutional Neural Network (CNN). Arsitektur tersebut menyerupai saraf manusia dan merupakan salah satu pembelajaran terawasi. Selain itu, peneliti memanfaatkan Raspberry Pi sebagai mikrokontroler, modul kamera Raspberry Pi yang digunakan untuk mengambil gambar, serta Intel Movidius Neural Compute Stick (NCS) yang berfungsi untuk mempercepat proses komputasi sehingga proses pendeteksian lebih mudah. Hal ini dikarenakan perangkat tersebut bersifat portable, cepat dan akurat. AbstractWaste processing in Indonesia is still a big homework and has not been solved. According to the latest research by Sustainable Waste Indonesia (SWI) 24% of waste in Indonesia is still not properly managed. From about 65 million tons of waste produced in Indonesia every day, the largest contributor to this is organic waste as much as 60%, plastic waste 14%, followed by paper waste 9%, metal 4.3%, glass, wood and other materials at 12.7%. The plastic waste in Indonesia reaches 1.3 million tons. Based on the amount of waste in Indonesia, it can be seen that the role of recycling is big in saving the environment. It is crucial to help reduce waste anywhere and reduce press down pollution. The very first step in waste processing is sorting. By properly sorting waste, people can easily identify which materials can be recycled and which are not. Based on these problems, the researcher proposes a system that is able to recognize and sort organic waste, and inorganic waste. In this case, Deep Learning, a branch of (Machine Learning) is used to be able to understand a set of images and classify them. Deep Learning method applied here is using Convolutional Neural Network (CNN). The algorithm is like human nerves and is one of supervised learning. In addition, this research use the Raspberry Pi as a microcontroller, the Raspberry Pi camera module which is used to take pictures, and the Intel Movidius Neural Compute Stick (NCS) to speed up the computing process so that the identification process is easier. These devices are portable, fast and accurate.
Game Edukasi Pengenalan Sistem Isyarat Bahasa Indonesia (SIBI) Menggunakan Myo Armband pada Arsitektur Client Server Hakkun, Rizky Yuniar; Rizky, M.; Rafsanjani, Buchori
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021864149

Abstract

Komunikasi verbal adalah komunikasi umum digunakan sebagai sarana dalam memberikan informasi kepada orang lain. Disamping itu, untuk berkomunikasi dengan tuna rungu serta tuna wicara sarana komunikasi dapat melalui bahasa isyarat. Indonesia telah memiliki sistem bahasa isyarat yaitu Bahasa Isyarat Indonesia atau Sistim Isyarat Bahasa Indonesia (SIBI). Aplikasi pengenalan dan pembelajaran SIBI yang ada pada saat ini berupa aplikasi yang terikat pada platform. Aplikasi beserta proses pengenalan menjadi satu sehingga memiliki kebergantungan yang cukup tinggi. Penelitian ini bertujuan mengembangkan platform cloud sebagai backend untuk pengenalan gerakan tangan, sehingga memudahkan pengembang untuk membuat aplikasi pengenalan SIBI. Platform tersebut memiliki kemampuan untuk mengenal gerakan tangan yang diperoleh dari data sensor Myo Armband. Aplikasi yang berada sisi frontend dapat menggunakan fitur platform melalui Application Programming Interface (API) yang disediakan. Penelitian ini juga membangun aplikasi permainan edukasi yang menggunakan platform cloud tersebut sebagai implementasi dari penggunaan platform. Hasil pengujian terhadap platform yang dilakukan menghasilkan kemampuan pengenalan secara real-time dari satu atau lebih client secara simultan. Pada uji 5 client request bersamaan secara simultan, waktu yang dibutuhkan rerata 0.1107333 detik per request pada latency jaringan rerata 36.7 ms.   AbstractVerbal communication is a general communication used in providing information to other people. On the other hand, to communicate with deaf and speech impaired people can use sign language. Indonesia has a sign language system called Indonesian Sign Language or Indonesian Sign Language System (SIBI). The current SIBI introduction and learning application is an application tied to the platform. Application, along with the recognition process, is combined so that it has a high enough dependence. This study aims to develop a cloud platform as a backend for hand gesture recognition, making it easier for developers to create SIBI recognition applications. The platform can recognize hand movements obtained from Myo Armband sensor data. Applications on the front-end side can use the platform features through the provided Application Programming Interface (API). This study also builds an educational game application that uses the cloud platform to implement platform usage. The results of the platform's testing carried out resulted in real-time recognition capabilities from one or more clients simultaneously. In the five simultaneous client requests test, the average time needed is 0.12654 seconds per request at a mean network latency of 36.7 ms.  
Desain Interaksi Aplikasi Zero Waste dengan Menerapkan Gamifikasi Menggunakan Pendekatan Player-Centered Design Mulyanto, Adi; Soerojo, Nadija Herdwina Putri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935180

Abstract

Berdasarkan Indeks Perilaku Ketidakpedulian Lingkungan Hidup (IPKLH), menunjukkan bahwa tingkat ketidakpedulian masyarakat Indonesia terhadap pengelolaan sampah masih tinggi. Salah satu cara untuk meningkatkan kepedulian adalah memberikan edukasi penerapan zero waste melalui aplikasi mobile. Desain interaksi menjadi faktor penting dalam mengembangkan aplikasi, agar efektif bagi pengguna untuk peningkatan kepedulian lingkungan. Beberapa situs web terkait zero waste yang ada cenderung menyerupai e-commerce penjualan produk zero waste dan blog. Penelitian-penelitian sebelumnya menunjukkan bahwa penerapan gamifikasi pada sebuah sistem dapat meningkatkan motivasi seseorang dalam belajar dan dapat mengubah perilakunya. Penelitian ini bertujuan untuk mengembangkan desain interaksi aplikasi zero waste guna meningkatkan motivasi masyarakat dalam menerapkan prinsip zero waste melalui penerapan gamifikasi. Pengembangan desain interaksi ini dilakukan menggunakan metode player-centered design yang dalam pengembangannya menggunakan prinsip gamifikasi dengan tahapan memahami pemain, misi, motivasi pengguna, menerapkan mekanik game, dan monitor. Fitur yang dirancang mengacu pada Taksonomi Bloom, yaitu untuk mengaplikasikan suatu hal, seseorang harus mengetahui dan memahaminya terlebih dahulu. Prototipe desain interaksi high fidelity ini dibangun untuk memenuhi usability goals yaitu effective to use dan efficient to use serta user experience goals yaitu helpful dan motivating. Ketercapaian usability goals dan user experience goals diukur secara kuantitatif menggunakan metrik Success Rate dengan skor 86,4% untuk effective to use, System Usability Scale (SUS) dengan skor 86,5 untuk efficient to use, Intrinsic Motivation Inventory (IMI) subskala value/usefulness sebesar 6,31 untuk helpful, dan IMI subskala interest/enjoyment sebesar 5,97 untuk motivating. Berdasarkan pengukuran tersebut, disimpulkan bahwa user experience goals dan usability goals dari desain interaksi ini sudah tercapai. AbstractAccording to the Environmental Indifference Behavior Index (IPKLH), the level of indifference to waste management by Indonesians is still on a high level. One way to increase awareness is to provide education towards a zero-waste lifestyle using a mobile platform. Design interaction turns into a key factor to develop the effectiveness toward application for increasing environmental indifference. Several zero waste-based websites are similar to blog and zero waste product selling e-commerce. In earlier research shows gamification applied to a system could lead to improve an individual motivation toward studying by also transform their behavior. This research intends to develop zero waste application design interaction to escalate people motivation for applying zero waste fundamental by using gamification appliance. The application is developed with a player-centered design approach, using gamification principles to increase user motivation, starts with understanding the players, the mission, the motivation, defining the game mechanics, and monitoring. The features designed in the application refer to Bloom's Taxonomy, which states that to be able to apply something, one must know and understand it. The output of this project is a high-fidelity prototype that meets several usability goals and user experience goals. The usability goals are effective to used and efficient to use, and the user experience goals are helpful and motivating. Using the success rate metric, the result of the measurement for effectivity goal is 86.4%. For the efficiency goal, the result of the measurement using the System Usability Score (SUS) metric is 86.5. Using the Intrinsic Motivation Inventory, the score for the value/usefulness subscale for helpful goal is 6.31 and for the interest/enjoyment subscale is 5.97 for the motivating goal. Based on these measurements, it can be concluded that this application has achieved the user experience goals and usability goals.
Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain Azizah, Rizky Adinda; Bachtiar, Fitra; Adinugroho, Sigit
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935751

Abstract

Kinerja akademik siswa merupakan indikator kesuksesan dari pembelajaran di sekolah. Mengukur kinerja akademik siswa dapat membantu tenaga didik mengembangkan pembelajaran yang sesuai untuk siswa sehingga meningkatkan keberhasilan pembelajaran sekolah. Kinerja akademik siswa dapat diamati melalui suatu Learning Management System bernama Kalboard 360 yaitu sistem yang berhubungan dengan perilaku siswa menggunakan alat pelacak aktivitas siswa yang memantau aktivitas pembelajaran. Data sekunder dari aktivitas tersebut dapat digunakan untuk mengetahui kinerja siswa dengan salah satu caranya adalah klasifikasi. Klasifikasi menggunakan metode Neighbor Weighted K-Nearest Neighbor dengan seleksi fitur Information Gain diterapkan pada penelitian ini untuk membantu klasifikasi kinerja siswa karena metode NWKNN mempunyai kelebihan memperhitungkan metode pembobotan kelas dan mengatasi data tidak seimbang. Seleksi fitur dengan Information Gain digunakan agar dapat mengoptimalkan hasil kerja classifier. Berdasarkan pengujian dan analisis penelitian, didapatkan nilai akurasi terbaik sebesar 0,604, dengan nilai precision adalah 0,719, nilai recall sebesar 0,676, dan nilai f-measure diperoleh adalah 0,661. Nilai tersebut dihasilkan saat menggunakan 9 fitur yaitu VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth dimana fitur tersebut memperoleh nilai Gain tertinggi dari urutan Gain keseluruhan fitur, dengan nilai Gain ≥ 0,1182 dan menggunakan nilai parameter optimal yaitu nilai E = 6, dan nilai K = 45. AbstractThe academic performance of students is an indicator of the success of learning in school. Measuring and understanding student performance can help for  improving learning systems that are suitable for students so the success of school learning will increase. Student academic performance can be observed via Learning Management System (LMS) named Kalboard 360 dealing with student behavior through a student activity tracking device so it can monitor learning activities. In this research, the secondary data is used to determine student performance through a classification. Neighbor Weighted K-Nearest Neighbor algorithm with Information Gain method will be applied to this study to help predict student performance. NWKNN method has advantages in calculating the weight of classes and overcoming unbalanced data. Information Gain is used to optimize the classifier. Based on the research analysis, the accuracy value is 0,604, with precision value obtained is 0,719, recall value obtained is 0,676, and the f-measure value obtained is 0,661. That values is generated when using 9 features with the highest order value of all features namely VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth, which have Gain value≥0,1182  and using optimal parameters value, that is E = 6 and K = 45.
Konsep Decision Tree Reptree untuk Melakukan Optimasi Rule dalam Fuzzy Inference System Tsukamoto Tundo, Tundo; 'Uyun, Shofwatul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022922601

Abstract

Penelitian ini menjelaskan tentang decision tree REPTree dalam membuat suatu rule yang terbentuk dari produksi minyak kelapa sawit di PT Tapiana Nadenggan, yang dipengaruhi oleh faktor banyaknya kelapa sawit, permintaan yang ada, serta persediaan yang tersedia. Konsep dari decision tree REPTree adalah konsep awal dari decision tree J48 yang kemudian mengalami pemangkasan kembali, sehingg rule yang yang terbentuk lebih minimal dan praktis. Rule yang minimal dan praktis belum tentu dapat dikatakan terbaik, untuk membuktikan hal itu perlu adanya uji coba dan pembuktian. Pembuktian yang dilakukan dalam penelitian ini salah satunya dengan menggunakan perbandingan decision tree J48 dan Random Tree dengan tujuan untuk mengetahui optimasi rule yang terbentuk dengan menggunakan metode fuzzy inference system Tsukamoto, setelah dihitung bahwa decision tree REPTree mempunyai Average Forecasting Error Rate (AFER) yang lebih kecil sebesar 23,17% dengan nilai kebenaran 76,83%, sedangkan J48 memiliki tingkat error sebesar 24,96%, dengan nilai kebenaran 75,04%,  sementara Random Tree memiliki tingkat error sebesar 36,51%, dengan nilai kebenaran 63,49% pada kasus  prediksi produksi minyak kelapa sawit di PT Tapiana Nadenggan. AbstractThis research explains about REPTree's decision tree in making a rule that is formed from the production of palm oil in PT Tapiana Nadenggan, which is influenced by factors of the amount of palm oil, existing demand, and available supplies. The concept of the REPTree decision tree is the initial concept of the J48 decision tree which then experiences pruning, so that the rules formed are more minimal and practical. A minimum and practical rule may not be the best, to prove that there is a need for trials and proofs. Proof carried out in this research is one of them by using a comparison of decision trees J48 and Random Tree with the aim to find out the optimization of rules formed using the Tsukamoto system's fuzzy inference method, after calculating that the REPTree decision tree has a more average Forecasting Error Rate (AFER) error tree small of 23.17% with a truth value of 76.83%, while J48 has an error rate of 24.96%, with a truth value of 75.04%, while Random Tree has an error rate of 36.51%, with a truth value of 63, 49% in the case of prediction of palm oil production at PT Tapiana Nadenggan.
Pengaruh Ciri Temporal, Spasial, dan Frekuensi pada Klasifikasi Motor Imagery Nurtsani, Afin Muhammad; Syamlan, Muhammad Adib; Setiawan, Agung Wahyu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 3: Juni 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022935715

Abstract

Interaksi mesin-komputer merupakan suatu keniscayaan dan akan menjadi bagian yang tidak terpisahkan dari kehidupan dalam waktu dekat, terutama di bidang rekayasa rehabilitasi. Salah satu bidang yang berkembang adalah klasifikasi Motor Imagery (MI) berbasis sinyal EEG. Set data pada studi ini diambil dari BCI Competition IV - 2b. Prapemrosesan data dilakukan dengan menggunakan BPF Butterworth orde 5 dengan frekuensi cut-off sebesar 8 – 30 Hz.  Pada studi ini, dilakukan investigasi pengaruh ciri temporal; spasial; dan frekuensi serta kombinasi ciri temporal-spasial dan temporal-spasial-frekuensi. Ciri temporal diekstraksi dengan menggunakan ICA, ciri spasial dengan CSP, dan frekuensi dengan STFT. Terdapat empat pengklasifikasi yang digunakan, yaitu SVM; RF; k-NN; dan NB. Salah satu temuan pada studi ini adalah meskipun digunakan kombinasi ciri temporal-spasial maupun temporal-spasial-frekuensi, nilai akurasi yang diperoleh sama, yaitu sekitar 72%. Kinerja kedua kombinasi ciri ini masih kalah apabila dibandingkan dengan hanya menggunakan ciri independen temporal dengan nilai akurasi mencapai 73%. Selain itu, pengklasifikasi RF memberikan kinerja yang paling baik dibandingkan dengan SVM; k-NN; serta NB.  Abstract Human-computer interaction is a necessity and will be deployed in the near future, especially in rehabilitation engineering. One of the development is focused on the classification of Imagery Motor (MI) based on EEG signals. In this study, the dataset is taken from BCI Competition IV - 2b. The first step of the classification process is data preprocessing that is performed using BPF Butterworth 5th order with a cut-off frequency of 8 - 30 Hz. The aim of this study is to investigate the effect of independent feature such as temporal, spatial, frequency, and the combination of temporal-spatial and temporal-spatial-frequency features. Temporal feature is extracted using ICA, spatial feature using CSP, and frequency feature using STFT. In this study, four classifiers are used, i.e., SVM; RF; k-NN; and NB. One of the main findings in this study is that although the combination of temporal-spatial and temporal-spatial-frequency features is used, the accuracy value of 72% are obtained. The performance of these two combinations of features is still inferior when compared to independent temporal feature with an accuracy value of 73%. In addition, RF classifier provides the best performance compared to SVM; k-NN; and NB. Keywords: motor imagery, temporal, spatial, frequency, random forest

Page 1 of 3 | Total Record : 26

 1   2   3 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue 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: Oktober 2014 Vol 1, No 2 (2014) Vol 1 No 1: April 2014 Vol 1, No 1 (2014) More Issue