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 1,288 Documents
 98   99   100   101   102 
Pengembangan Deep Learning untuk Sistem Deteksi Dini Komplikasi Kaki Diabetik Menggunakan Citra Termogram Emhandyksa, Medycha; Soesanti, Indah; Susilowati, Rina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107382

Abstract

Prevalensi komplikasi kaki diabetik secara global mencapai 66% dengan resiko amputasi 20 kali lebih tinggi pada pasien diabetes mellitus. Tindakan pencegahan melalui deteksi dini komplikasi kaki diabetik mutlak dilakukan untuk meminimalisasi resiko amputasi. Penelitian sebelumnya menunjukkan validitas dan akurasi yang tinggi (mencapai 100%) dari sistem deteksi dini komplikasi kaki diabetik menggunakan termografi berbasis kecerdasan buatan. Namun sebagian besar penelitian tersebut terlalu berfokus pada peningkatan performa dan tidak memperhatikan aspek biaya komputasi yang berperan penting pada proses deployment model. Pada penelitian ini dirancang empat model deep convolutional neural network dengan prinsip Occam’s razor melalui pengaturan hyperparameter pada aspek struktur algoritma berupa jumah layer dan aspek optimasi berupa tipe optimizer. Penelitian bertujuan mengembangkan algoritma deep convolutional neural network untuk menghasilkan sistem deteksi dini komplikasi kaki diabetik dengan biaya komputasi terendah (jumlah parameter paling sedikit) dan mempertahankan kemampuan deteksi tetap tinggi (nilai rata-rata parameter evaluasi tertinggi). Data yang digunakan merupakan data primer berupa citra termogram telapak kaki dari RSUP. Dr. Sardjito Yogyakarta yang terdiri dari 20 subjek diabetes mellitus dan 20 subjek kontrol (sehat). Pengambilan data primer dilakukan menggunakan kamera thermal merek HIKMICRO B20 dengan resolusi inframerah 256x192 yang telah memenuhi standar internasional (IACT) untuk menghasilkan citra termogram dua dimensi. Hasil penelitian menunjukkan model 4 dengan Adam optimizer dan pengaturan hyperparameter tertentu merupakan model terbaik dengan jumlah parameter model paling sedikit yaitu 1.570.594 juta dan nilai rata-rata parameter evaluasi tetap tinggi sebesar 96%. Selain arsitektur deep convolutional neural network model 4, kontribusi penelitian yang didapatkan dari penelitian ini adalah penggunaan variasi ukuran filter 3x3, 2x2, dan 1x1 dengan jumlah convolutional layer yang tetap dan pengurangan jumlah hidden layer pada struktur algoritma mampu menurunkan jumlah parameter model dengan tetap mempertahankan kemampuan deteksi yang tinggi. Selain itu penelitian yang dilakukan merupakan penelitian pembuka atau pendahuluan mengenai perancangan sistem deteksi dini komplikasi kaki diabetik menggunakan termografi berbasis kecerdasan buatan deep learning di Indonesia.   Abstract The prevalence of diabetic foot complications globally reaches 66% with a 20 times higher risk of amputation in patients with diabetes mellitus. Preventive measures through early detection of diabetic foot complications are necessary to minimize the risk of amputation. Previous studies have shown high validity and accuracy (up to 100%) of the early detection system of diabetic foot complications using artificial intelligence-based thermography. However, most of these studies focused too much on improving performance and did not pay attention to the computational cost aspect. In this study, four deep convolutional neural network models were designed with Occam's razor principle through hyperparameter settings on the algorithm structure aspect in the form of number of layers and optimization aspect in the form of optimizer type. The research aims to develop a deep convolutional neural network algorithm to produce an early detection system for diabetic foot complications with the lowest computational cost (least number of parameters) and maintain high detection capability (highest average value of evaluation parameters). The data used is primary data in the form of foot thermogram images from the General Hospital. Dr. Sardjito Yogyakarta consisting of 20 diabetes mellitus subjects and 20 control (healthy) subjects. Primary data collection was carried out using a thermal camera brand HIKMICRO B20 with 256x192 infrared resolution that has met international standards (IACT) to produce a two-dimensional color thermogram image. The results show that model 4 with Adam optimizer and certain hyperparameter settings is the best model with the least number of model parameters, namely 1,570,594 million and the average value of evaluation parameters remains high at 96%. In addition to the deep convolutional neural network architecture model 4, the research contribution obtained from this research is the use of filter size variations of 3x3, 2x2, and 1x1 with a fixed number of convolutional layers and a reduction in the number of hidden layers in the algorithm structure can reduce the number of model parameters while maintaining high detection capability. In addition, the research conducted can be an opening or preliminary research on the design of an early detection system for diabetic foot complications using deep learning artificial intelligence-based thermography in Indonesia.
Vision Transformer untuk Klasifikasi Kematangan Pisang Pangestu, Arya; Purnama, Bedy; Risnandar, Risnandar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241117389

Abstract

Produksi pisang di Indonesia pada tahun 2022 mencapai 9,6 juta ton buah. Metode konvensional yang digunakan untuk menentukan tingkat kematangan pisang masih mengandalkan indera penglihatan manusia dengan memperhatikan perubahan warna kulit pisang. Namun, penentuan tingkat kematangan pisang dengan metode ini memiliki beberapa kekurangan, seperti waktu yang lama, penilaian yang bersifat subjektif dan dapat menghasilkan hasil yang berbeda-beda bagi setiap individu. Oleh karena itu, teknologi computer vision dapat menjadi solusi yang efektif dalam mengklasifikasikan kematangan buah pisang secara otomatis. Penelitian ini menggunakan metodologi Vision Transformer (ViT) untuk mengklasifikasikan tingkat kematangan pada buah pisang, dengan tingkatan yang dibagi menjadi empat kategori, yaitu mentah, setengah matang, matang, dan terlalu matang. Penelitian dilakukan dengan menggunakan lima model ViT yang sudah dilatih sebelumnya atau pre-trained, yaitu ViT-B/16, ViT-B/32, ViT-L/16, ViT-L/32, and ViT-H/14 pada ImageNet-21k dan ImageNet-1k. Kemudian, model ViT tersebut dievaluasi dan dibandingkan dengan model CNN. Evaluasi dilakukan menggunakan metode cross-dataset dengan 5.068 citra pisang yang berbeda dari dataset latih. Hasil evaluasi menunjukkan model ViTL/16-in21k memiliki akurasi tertinggi sebesar 91,61%. Model ViT menunjukkan kemampuan generalisasi yang lebih baik, sementara CNN memiliki ukuran model dan waktu pelatihan yang lebih efisien.
Perbandingan Kinerja Metode Arima, Multi-Layer Perceptron, dan Random Forest dalam Peramalan Harga Logam Mulia Berjangka yang Mengandung Pencilan Prasetyo, Teguh; Putri, Rizki Alifah; Ramadhani, Dini; Angraini, Yenni; Notodiputro, Khairil Anwar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 2: April 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241127392

Abstract

Akurasi peramalan sebagai tolok ukur kinerja metode deret waktu bergantung beberapa hal, antara lain karakteristik data, pemilihan metode, dan jangka waktu, di samping fluktuasi data dan keberadaaan pencilan dalam data. Keberadaan pencilan dalam data sering kali tidak dapat dihindari sehingga dapat mengganggu akurasi dan presisi dari peramalan. Berdasarkan hal tersebut dalam artikel ini dibahas tentang hasil kajian perbandingan kinerja metode ARIMA, Multi-Layer Perceptron (MLP), dan Random Forest (RF) dalam peramalan data deret waktu yang mengandung pencilan, khususnya untuk data harga logam mulia berjangka (emas, perak, dan platina) berdasarkan nilai Mean Absolute Percentage Error (MAPE). Ditunjukkan bahwa kinerja metode ARIMA dengan Interpolasi Linier mampu menekan pengaruh pencilan lebih baik dibanding ARIMA dengan Winsorized Mean dan ARIMA tanpa penanganan data pencilan Dalam hal ini diperoleh nilai MAPE rata-rata berturut-turut sebesar 10,67% dibanding 12,33% dan 11,79% ketika dievaluasi menggunakan data uji. Selain itu, metode MLP memiliki kinerja yang tidak lebih baik dibanding ARIMA dengan Interpolasi Linier dengan nilai MAPE rata-rata sebesar 11,13% ketika dievaluasi menggunakan data uji. Secara keseluruhan kinerja terbaik dihasilkan oleh metode RF, yang memiliki nilai MAPE rata-rata jauh lebih kecil dibanding metode lainnya, yakni 2,85% ketika dievaluasi menggunakan data uji. Dalam kajian ini nampak bahwa Metode RF memiliki kinerja terbaik dibandingkan semua metode dalam peramalan data deret waktu yang dicobakan menggunakan data empiris yaitu harga loga mulia berjangka.
Model Prognosis Masa Pengobatan Pasien Tuberkulosis Dengan Metode C4.5 Rusdah, Rusdah; Bregastantyo, Brian Agni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107393

Abstract

Pasien Tuberkulosis mempunyai jangka waktu pengobatan yang relatif beragam karena tingkat kepatuhan tiap pasien untuk meminum obat sampai dengan habis dan jangka waktu yang sudah ditentukan oleh Dokter Spesialis Paru. Apabila salah diagnosa terkait dosis obat maka akan meningkatkan faktor resiko kesehatan yaitu dimana proses pengobatan akan lebih memakan waktu dan lebih lama karena adanya kondisi Multi-Drug Resistant. Hal ini yang harus menjadi perhatian semua pihak agat tingkat kegagalan atas proses pengobatan pasien Tuberkulosis harus ditekan se minimal mungkin. Faktor  kebiasaan pasien dan waktu minum obat pasien harus dijaga ketat agar masa pengobatan dapat lebih dipersingkat. Dokter Spesialis Paru berupaya untuk menekan tingkat Drop Out pasien Tuberkulosis dengan cara mengawasi jadwal mereka dengan pengelolaan yang baik. Oleh karena itu, dibutuhkan sistem untuk membantu proses prediksi masa pengobatan pasien dengan menerapkan Cross-Industry Standard Process for Data Mining (CRISP-DM) dan menggunakan pendekatan data mining dengan mengimplementasikan algoritma C4.5 setelah dilakukan eksplorasi data menggunakan beberapa algoritma untuk klasifikasi dengan tujuan untuk hasil akurasi performa model untuk prognosis masa pengobatan pasien tuberkulosis. Melalui tahap Data Understanding dan Data Preprocessing menghasilkan atribut baru yaitu Lama Pengobatan. Dengan menggunakan 596 record mendapatkan hasil akurasi sebesar 74.33%.   Abstract Tuberculosis patients have a relatively diverse treatment period because of the level of compliance of each patient to take the drug until it runs out and the time period has been determined by the Pulmonary Specialist. If a wrong diagnosis is related to drug dosage, it will increase health risk factors, namely where the treatment process will take more time and longer due to the Multi-Drug Resistant condition. This should be the concern of all parties so that the failure rate of the treatment process for tuberculosis patients must be kept to a minimum. The patient's habit factor and the patient's time to take medication must be closely monitored so that the treatment period can be shortened. Pulmonary Specialists try to reduce the Drop Out rate of Tuberculosis patients by monitoring their schedule with good management. Therefore, a system is needed to help predict the patient's treatment period by applying the Cross-Industry Standard Process for Data Mining (CRISP-DM) and using a data mining approach by implementing the C4.5 algorithm after exploring the data using several algorithms for classification with the aim of for the results of model performance accuracy for the prognosis of the treatment period of tuberculosis patients. Through the Data Understanding and Data Preprocessing stages, a new attribute is produced, namely the Length of Treatment. By using 596 records to get an accuracy of 74.33%.
Otomatisasi Pendeteksi Kata Baku Dan Tidak Baku Pada Data Twitter Berbasis KBBI Raif, M. Irfan; Hidayati, Nuraisa Novia; Matulatan, Tekad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 2: April 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241127404

Abstract

Penelitian ini mengembangkan sistem deteksi otomatis kata-kata baku dan non-baku pada data Twitter berbasis Kamus Besar Bahasa Indonesia (KBBI). Twitter merupakan platform media sosial yang populer, namun sering kali digunakan dengan kata-kata tidak baku yang mengganggu komunikasi. Normalisasi kata-kata tidak baku diperlukan untuk pemrosesan dan analisis tweet. Penelitian sebelumnya menggunakan metode Levenshtein Distance dan pengklasifikasi Naïve Bayes, serta Term Based Random Sampling dalam proses Stopword Removal. Preprocessing penting dalam klasifikasi teks di media sosial. Penelitian ini fokus pada preprocessing dan deteksi kata-kata baku dan non-baku pada data Twitter menggunakan KBBI. Sistem otomatis ini membantu peneliti mencari kata-kata non-baku atau slang dengan mudah, meningkatkan kualitas komunikasi, dan pemahaman pesan di data Twitter yang mencerminkan tren bahasa yang berkembang. Penelitian ini juga memperkenalkan pendekatan yang terstruktur untuk mengotomatisasi deteksi kata-kata baku dan non-baku, dengan langkah-langkah yang meliputi pengumpulan data, preprocessing data, identifikasi bahasa tidak baku, penghapusan kata berimbuhan, dan identifikasi kata slang. Metode ini mendukung analisis sentimen dalam text mining dan memastikan hasil klasifikasi sentimen yang lebih akurat dalam data Twitter. Berdasarkan pengujian, langkah-langkah preprocessing meningkatkan performa metode penentuan polarity dengan accuracy InSet sebesar 66,66% dan F1-score sebesar 61,40%.
Evaluasi User Experience Aplikasi “J-KOPI (Jember Kota Pintar)” Menggunakan Metode Survei Dengan User Experience Questionnaire Dan User Interview Sugiharto, Pradiptya Kahvi; Wijoyo, Satrio Hadi; Saputra, Mochamad Chandra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107430

Abstract

Aplikasi J-KOPI (Jember Kota Pintar) merupakan aplikasi yang dikembangkan oleh DISKOMINFO Pemkab Jember. Aplikasi J-KOPI bertujuan untuk menjadi “SuperApps” yang menyediakan beragam informasi dan berbagai layanan masyarakat yang terintegrasi dengan OPD (Organisasi Perangkat Daerah) dari Pemerintah Daerah Kabupaten Jember dalam satu aplikasi. Berdasarkan hasil observasi dan hasil wawancara dengan DISKOMINFO, ditemukan bahwa terdapat beberapa permasalahan yang terdapat pada aplikasi sehingga dapat menurunkan kualitas pengalaman pengguna. Penelitian ini bertujuan untuk melakukan evaluasi pengalaman pengguna pada aplikasi J-KOPI untuk memperbaiki masalah yang berkaitan dengan user experience dan memperbaiki aspek-aspek yang perlu ditingkatkan. Evaluasi ini menggunakan metode UEQ (“User Experience Questionnaire”) untuk mengukur level pengalaman pengguna pada aplikasi dan User Interview untuk menemukan masalah yang lebih detail. Evaluasi awal dengan 30 responden yang terdiri dari mahasiswa, masyarakat umum dan OPD menunjukkan bahwa aplikasi J-KOPI memiliki level user experience yang netral dan kategori UEQ benchmark yang “Dibawah rata-rata”. Selain itu, ditemukan 4 topik permasalahan yang terdiri dari 11 poin permasalahan. Berdasarkan permasalahan tersebut, dilakukan perancangan rekomendasi perbaikan yang dilanjutkan dengan pengujian ulang. Hasil perbaikan menunjukkan bahwa berhasil meningkatkan pengalaman pengguna terhadap seluruh aspek pada kuesioner UEQ dan peningkatan pengalaman pengguna pada benchmark UEQ untuk skala Attractiveness dan Stimulation mencapai kategori “sangat baik”. Sementara skala Perspicuity, Efficiency, Dependability dan Novelty mencapai kategori “baik”.   Abstract The J-KOPI (Jember SmartCity) application is developed by the DISKOMINFO Jember Regency Government. The J-KOPI application aims to become "SuperApps" that provides a variety of information and various community services integrated with the OPD (local government agency) of the Jember Regency Regional Government in one application. Based on observations and interviews with DISKOMINFO, it was found that there were several problems with the application that could reduce the quality of the user experience. This research aims to evaluate the user experience on the J-KOPI application to improve problems related to user experience and improve aspects that need to be improved. This evaluation uses the UEQ ("User Experience Questionnaire") method to measure the level of user experience in the application and User Interviews to find more detailed problems. Initial evaluation with 30 respondents consisting of students, the general public and OPD showed that the J-KOPI application had a neutral user experience level and the UEQ benchmark category was "Below average". In addition, 4 problem topics were found which consisted of 11 problem points. Based on these problems, recommendations for improvement were designed, followed by retesting. The improvement results show that it has succeeded in improving the user experience for all aspects of the UEQ questionnaire and the increase in user experience on the UEQ benchmark for the Attractiveness and Stimulation scales reached the "very good" category. Meanwhile, the Perspicuity, Efficiency, Dependability and Novelty scales reached the "good" category.
Pendekatan Bayes-HDSS dalam Menentukan Status Pantauan Gizi Balita Hisbullah, Riki; Hasibuan, Muhammad Siddik
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107437

Abstract

Teknologi dan perkembangan komputer saat ini sangat membantu banyak kebutuhan dalam kehidupan, termasuk dalam hal menggantikan kemampuan seorang ahli dalam mengerjakan dan menentukan sebuah keputusan dalam permasalahan yang terjadi pada banyak orang. Dalam perkembangan sistem pakar dan sistem pendukung keputusan juga dapat menggantikan dan menjadi solusi dari seorang ahli pakar. Bayes digunakan untuk mendiagnosis penyakit serta AHP dan TOPSIS akan digunakan untuk melakukan perangkingan penyakit pada manusia, termasuk gizi pada anak dimana sampai saat ini masalah terbesar dunia adalah bagaimana mengatasi gizi buruk yang dialami. Dengan menggunakan Sistem Pakar dan HDSS diharap Mampu menghitung kriteria yang merupakan gejala pada anak guna menghasilkan urutan anak yang menjadi fokus pantauan dimana nilai terbesar dari output sistem memberikan kepastian bahwa anak membutuhkan fokus dalam mengatasi masalah gizi yang dialaminya. Didalam Penelitian ini, Bayes, AHP dan TOPSIS mampu menghitung nilai dengan memberikan diagnosis gejala serta menempilkan nilai persentase kebutuhan pantauan pada data sampel balita yang di peroleh dari Pusat Kesehatan Masyarakat (Puskesmas) XYZ terhadap masalah gizi balita yang ada di Pusat Kesehatan Masyarakat tersebut. Dari 5 Gejala Yang di implementasikan kedalam sistem pakar (bayes) yaitu; STUNTING, GIZI LEBIH, GIZI KURANG, KWASHIORKOR, dan MARASMUS, tidak ditemukan status STUNTING. Selanjutnya pada HDSS Menghasilkan persentase 95,49% yang mana balita ini merupakan pemilik kriteria terburuk diantara balita lainnya.   Abstract Technology and the development of computers are very helpful for many people in life, including in terms of replacing the ability of an expert to do and determine a decision in problems that occur to many people. In the development of expert systems and support systems, decisions can also replace and be a solution to the scarcity of an expert. Bayes is used to diagnose disease and AHP and TOPSIS will be used to rank diseases in humans, including nutrition in children where until now the world's biggest problem is how to overcome malnutrition experienced by toddlers including stunting problems, where toddler growth  is not optimal. By using an Expert System and HDSS (namely AHP and TOPSIS) it is forbidden to calculate criteria that are symptoms in children, to produce a sequence of children who are the focus of monitoring. The greatest value of the output system provides certainty that children need focus in overcoming the problem of malnutrition. Deepened by this research, Bayes, AHP and TOPSIS were able to calculate the value by providing a diagnosis of symptoms and displaying the percentage value of the need for monitoring on the toddler sample data obtained from the XYZ Community Health Center (Puskesmas) for toddler nutrition problems in the Community Health Center. Of the 5 Symptoms implemented in the expert system (bayes) namely STUNTING, OVER NUTRITION, MALNUTRITION, KWASHIORKOR, and MARASMUS, no STUNTING status was found. Next on HDSS Produces a percentage of 95.49% of which this toddler is the owner of the worst criteria among other toddlers.
PENGEMBANGAN ALGORITMA ECDSA DENGAN MODIFIKASI PERKALIAN SKALAR MENGGUNAKAN DOUBLE BASE CHAIN Kurniawan, Hafiz Abdul Fatah; Neyman, Shelvie Nidya; Wijaya, Sony H
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 2: April 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241127446

Abstract

Penggunaan tanda tangan digital saat ini menjadi penting karena perubahan aktivitas manusia dari offline ke online. Hal ini membuat rentannya pemalsuan dokumen atau pengambilan dokumen secara ilegal yang disebabkan oleh kerentanan sistem keamanan dokumen. Salah satu algoritma yang digunakan dalam pembuatan tanda tangan adalah algoritma tanda tangan digital kurva eliptik (ECDSA). Algoritma tanda tangan digital kurva eliptik (ECDSA) menggunakan dua teknik, yaitu kriptografi dan hash. Dalam perhitungannya, ECDSA menggunakan 2 penambahan skalar yang membutuhkan operasi kompleks. Hampir 80% dari waktu proses pemulihan ECDSA mungkin digunakan untuk perhitungan skalar. Salah satu metode yang digunakan untuk meningkatkan proses perluasan skalar dalam ECDSA adalah rantai basis ganda (double-base chain). Penelitian ini membuktikan bahwa penggunaan rantai basis ganda dalam modifikasi algoritma ECDSA menghasilkan kinerja yang berbeda sesuai dengan panjang dan jenis kurva yang digunakan. Namun, secara rata-rata, modifikasi ECDSA menggunakan rantai basis ganda tidak memberikan hasil yang signifikan dalam pengujian kinerja ECDSA berupa penggunaan memori, pembuatan kunci, penandatanganan, dan verifikasi pada 19 jenis dan panjang kurva yang berbeda. Namun, dari segi keamanan kunci, teori rantai basis ganda memiliki keunggulan dalam keacakan kunci private.
Pengaman Teks dengan Kombinasi Metode Electronic Code Book (ECB) dan Kode Seven Segment Display santoso, kiswara Agung; Pradjaningsih, Agustina; Delenia, Erick
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241117448

Abstract

Layanan media sosial merupakan salah satu contoh perkembangan teknologi di bidang informasi. Salah satu cara meningkatkan sistem keamanan yaitu digunakannya ilmu kriptografi. Sudah banyak penelitian yang menghasilkan algoritma kriptografi, mulai dari algoritma yang baru, modifikasi algoritma bahkan kombinasi dari beberapa algoritma. Berdasarkan kebiasaan algoritma tersebut hacker tentu akan mencari celah untuk melakukan dekripsi dengan cara mencari algoritma dasar dari proses enkripsi untuk kemudian melakukan hack. Untuk mengantisipasi hal tersebut peneliti ingin melakukan modifikasi bukan pada algoritma pembentuknya melainkan modifikasi dari konversi system bilangan basis 2 berdasarkan Seven Segment Display. Salah satu metode yang sering digunakan untuk proses enkripsi yaitu metode Electronic Code Book (ECB). Seven Segment Display merupakan sebuah tampilan yang terbentuk dari tujuh kelompok segmen LED (Light Emitting Diode) yang dirangkai sedemikian sehingga membentuk angka–angka dari 0 hingga 9. Segmen LED dinotasikan dengan 1 jika menyala dan 0 jika mati, pola tersebut dapat digunakan untuk memanipulasi bit biner 7 bit khususnya karakter angka 0 hingga 9. Modifikasi terletak pada proses pembentukan bit kunci yang dibangkitkan berdasarkan aturan Seven Segment Display. Aturan ini digunakan untuk mengganti nilai bit, bila pada umumnya nilai bit didapat dari sistem bilangan basis 2 maka disini  nilai bit didapat dari aturan seven segment display dan inilah yang merupakan state of the art dari penelitian ini karena belum pernah digunakan sebelumnya.  Hasil penerapannya menunjukkan bahwa data yang dienkripsi menghasilkan chiperteks acak berupa karakter printable pada ASCII dan chiperteks dapat dikembalikan secara utuh tanpa ada informasi yang hilang. 
Kombinasi Seleksi Fitur Berbasis Filter dan Wrapper Menggunakan Naive Bayes pada Klasifikasi Penyakit Jantung Azizah, Siti Roziana; Herteno, Rudy; Farmadi, Andi; Kartini, Dwi; Budiman, Irwan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023107467

Abstract

Penyakit jantung menjadi salah satu penyebab utama kematian bersama dengan penyakit lainnya. Dalam bidang teknologi, data mining dapat digunakan untuk mendiagnosa suatu penyakit yang bersumber dari data rekam medis pasien. Pada klasifikasi dataset medis, Naive Bayes merupakan salah satu metode terbaik yang digunakan. Tujuan dari penelitian ini adalah untuk mengetahui perbandingan hasil akurasi dari Naive Bayes menggunakan beberapa seleksi fitur yaitu Forward Selection, Backward Elimination, kombinasi union hasil seleksi fitur Forwad Selection dan Backward Elimination, Information Gain, Gain Ratio, dan kombinasi union hasil seleksi fitur Information Gain dengan Gain Ratio. Data yang digunakan dalam penelitian ini adalah data penyakit jantung yang didapatkan dari UCI Machine Learning Repository. Dari implementasi pemodelan yang akan dilakukan menghasilkan nilai akurasi tertinggi sebesar 91.80% pada algoritma Naive Bayes dengan kombinasi union hasil seleksi fitur Information Gain dan Gain Ratio menggunakan perbandingan data latih dan data uji 80:20. Sedangkan akurasi Naive Bayes dengan kombinasi union hasil seleksi fitur Forward Selection dan Backward Elimination hanya memiliki nilai akurasi sebesar 83.61%   Abstract Heart disease is one of the leading causes of death along with other diseases. In the field of technology, data mining can be used to diagnose a disease sourced from patient medical record data. In the classification of medical datasets, Naive Bayes is one of the best methods used. The purpose of this study is to determine the comparison of the accuracy results of Naive Bayes using several feature selections, namely Forward Selection, Backward Elimination, a combination of union of Forwad Selection and Backward Elimination feature selection results, Information Gain, Gain Ratio, and a combination of union of Information Gain feature selection results with Gain Ratio. The data used in this research is heart disease data obtained from the UCI Machine Learning Repository. From the implementation of modeling that will be carried out, the highest accuracy value is 91.80% in the Naive Bayes algorithm with a combination of union of Information Gain and Gain Ratio feature selection results using a ratio of training data and test data of 80:20. While the accuracy of Naive Bayes with a combination of union selection results of Forward Selection and Backward Elimination features only has an accuracy value of 83.61%.  

Page 100 of 129 | Total Record : 1288

 98   99   100   101   102 

Filter by Year

2014 2025


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: Oktober 2015 Vol 2, No 2 (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