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
 115   116   117   118   119 
Prioritas Investasi Keamanan Informasi Menggunakan Analytic Network Process (ANP) Bagi Pemerintah Daerah Provinsi Kalimantan Tengah Haris, Ruby; Muhammad, Alva Hendi; Nasiri, Asro
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 6: Desember 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024119245

Abstract

Keamanan informasi menjadi fokus utama bagi Pemerintah Daerah Provinsi Kalimantan Tengah, terutama dalam menghadapi ancaman siber yang semakin kompleks. Walaupun telah ada inisiatif dari Pemerintah Pusat seperti Indeks Keamanan Informasi (KAMI) yang diperkenalkan oleh Badan Siber dan Sandi Negara (BSSN), implementasi di tingkat daerah masih dihadapkan dengan berbagai tantangan. Kendala utama yang dihadapi adalah terbatasnya anggaran, kekurangan sumber daya manusia yang berkualitas, serta rendahnya kesadaran tentang pentingnya keamanan informasi. Penelitian ini menghipotesiskan bahwa dengan penerapan metode Analytic Network Process (ANP), Pemerintah Daerah dapat lebih efektif menentukan prioritas dalam investasi keamanan informasi, sehingga risiko ancaman siber dapat diminimalkan secara signifikan. Solusi yang diusulkan adalah penggunaan metode ANP untuk menangani hubungan antar kriteria yang saling terkait dan memberikan panduan prioritas yang komprehensif antara aspek teknologi, sumber daya manusia, dan kebijakan. Survei dilakukan terhadap pengambil keputusan dan pengelola teknis terkait keamanan informasi. Hasil penelitian menunjukkan bahwa pengambil keputusan lebih memprioritaskan kerangka kerja manajemen keamanan informasi, sementara pengelola teknis lebih fokus pada aspek teknologi. Penelitian ini diharapkan dapat membantu Pemerintah Daerah dalam merumuskan strategi investasi yang lebih efektif untuk meningkatkan keamanan informasi dan melindungi data sensitif di wilayah Pemerintah Provinsi Kalimantan Tengah.   Abstract Information security has become a primary focus for the Regional Government of Central Kalimantan Province, especially in facing increasingly complex cyber threats. Although there have been initiatives from the Central Government, such as the Information Security Index (KAMI) introduced by the National Cyber and Crypto Agency (BSSN), implementation at the regional level still faces various challenges. The main obstacles encountered are limited budgets, a shortage of qualified human resources, and a lack of awareness about the importance of information security. This study hypothesizes that by applying the Analytic Network Process (ANP) method, the Regional Government can more effectively prioritize investments in information security, thereby significantly minimizing cyber threat risks. The proposed solution is to use the ANP method to manage interrelated criteria and provide a comprehensive priority guide between technological, human resource, and policy aspects. Surveys were conducted with decision-makers and technical managers related to information security. The results of the study show that decision-makers prioritize the information security management framework, while technical managers focus more on technological aspects. This research is expected to assist the Regional Government in formulating more effective investment strategies to improve information security and protect sensitive data within the Central Kalimantan Provincial Government's jurisdiction.
Klasifikasi Katarak Berdasarkan Optic Disc Citra Fundus Smartphone: Perbandingan Ekstraksi Ciri Tekstur Dan Metode Neural Network Yudono, Muchtar Ali Setyo; Ridha, Fabrobi Fazlur; Mardiyana, Dani; Al-Ghozi, Faturrohman; Maulana, Aldi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129254

Abstract

biaya tinggi pemeriksaan sering kali menjadi hambatan, terutama di Indonesia. Kamera fundus konvensional, meskipun efektif, memiliki harga yang mahal dan kurang portabel, membatasi aksesibilitas di daerah terpencil. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi katarak otomatis menggunakan kamera fundus berbasis smartphone, yang menawarkan solusi lebih ekonomis dan portabel dibandingkan perangkat konvensional. Penelitian ini mengevaluasi kinerja tiga algoritma jaringan syaraf tiruan yaitu, Backpropagation Neural Network (BPNN), Probabilistic Neural Network (PNN), dan Radial Basis Function Neural Network (RBFNN), dalam klasifikasi katarak. Metode penelitian meliputi pra-pengolahan citra, segmentasi optic disc, ekstraksi ciri tekstur menggunakan Gray-Level Co-occurrence Matrix (GLCM) dan Filter Gabor, serta klasifikasi tingkat keparahan katarak ke dalam empat kategori, yaitu retina normal, katarak ringan (mild), katarak sedang (medium), dan katarak berat (severe). Hasil pelatihan menunjukkan rerata nilai akurasi sistem sebesar 96,35%, dengan kinerja terbaik pada ekstraksi ciri GLCM menggunakan PNN (100%) dan Filter Gabor menggunakan PNN (96,88%). Sensitivitas tertinggi dalam pelatihan dicapai oleh metode GLCM dan PNN (100%) untuk kategori katarak normal dan berat. Pada pengujian, sistem mencapai nilai rerata akurasi sebesar 77,98%, dengan hasil terbaik pada ekstraksi ciri GLCM menggunakan PNN (89,29%). Sensitivitas tertinggi pada pengujian diperoleh dengan metode GLCM dan PNN (89,29%) untuk katarak ringan dan berat, sementara spesifisitas tertinggi dicapai oleh GLCM dan BPNN (95,24%) untuk katarak normal. Temuan ini menunjukkan bahwa sistem berbasis smartphone ini tidak hanya meningkatkan aksesibilitas diagnosis katarak di daerah terpencil tetapi juga memberikan akurasi yang kompetitif dengan solusi konvensional.   Absctract Eye health, particularly cataract diagnosis, is a crucial aspect of individual well-being. However, the high cost of examinations often poses a barrier, especially in Indonesia. Conventional fundus cameras, while effective, are expensive and less portable, limiting accessibility in remote areas. This research aims to develop an automatic cataract classification system using smartphone-based fundus cameras, offering a more cost-effective and portable solution compared to conventional devices. The study evaluates the performance of three neural network algorithms: Backpropagation Neural Network (BPNN), Probabilistic Neural Network (PNN), and Radial Basis Function Neural Network (RBFNN) for cataract classification. The research methodology includes image preprocessing, optic disc segmentation, texture feature extraction using Gray-Level Co-occurrence Matrix (GLCM) and Gabor Filter, and classification of cataract severity into four categories: normal retina, mild cataract, medium cataract, and severe cataract. Training results show an average system accuracy of 96.35%, with the best performance on GLCM feature extraction using PNN (100%) and Gabor Filter using PNN (96.88%). The highest sensitivity in training was achieved by GLCM and PNN (100%) for normal and severe cataract categories. During testing, the system achieved an average accuracy of 77.98%, with the best results for GLCM feature extraction using PNN (89.29%). The highest sensitivity in testing was obtained with GLCM and PNN (89.29%) for mild and severe cataracts, while the highest specificity was achieved by GLCM and BPNN (95.24%) for normal cataracts. These findings indicate that the smartphone-based system not only enhances cataract diagnosis accessibility in remote areas but also provides competitive accuracy compared to conventional solutions.
Pengaruh Metode Design Thinking Terhadap Kemampuan Pedagogi Bagi Mahasiswa Calon Guru Informatika Amalia, Faizatul; Rahman, Khalid
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129382

Abstract

Design thinking menjadi salah satu metode pembelajaran yang dapat digunakan oleh guru dalam mendukung pembelajaran. Hal ini sesuai dengan capaian SDG yang digaungkan oleh PBB, bahwa Pendidikan perlu ditingkatkan kualitasnya. Peningkatan kualitas ini melalui pemilihan metode pembelajaran yang dapat meningkatkan kemampuan abad 21 dan juga termasuk kemampuan pedagogi. Kemampuan pedagogi diharapkan mampu dikuasai oleh mahasiswa lulusan dari program studi Pendidikan Teknologi Informasi Universitas Brawijaya (PTI UB) untuk menjadi guru yang professional. Tujuan dari penelitian ini adalah mengetahui pengaruh design thinking terhadap kemampuan pedagogi. Pendekatan penelitian yang digunakan adalah kuantitatif dengan metode penelitian expost facto melalui survei. Populasi dari penelitian ini semua mahasiswa aktif dari PTI UB dan teknik sampling yang digunakan adalah purposive sampling. Hal ini karena sampelnya adalah mahasiswa PTI UB yang telah melaksanakan praktik lapangan persekolahan. Instrumen penelitian yang digunakan adalah kuesioner dengan skala Likert. Instrumen penelitian ini telah divalidasi dan diuji reliabilitas sebelumnya agar data yang diperoleh nantinya data tidak bias. Teknik validasi yang digunakan adalah content validity dengan ahli Bahasa Indonesia dan juga ahli design thinking. Berdasarkan proses validasi tersebut, instrumen dinyatakan layak untuk digunakan pengambilan data dengan revisi minor terutama pada bagian penyusunan kalimat. Responden yang mengisi berjumlah 26 orang dan menghasilkan data normal, linear dan tidak memiliki heterokedastisitas. Selanjutnya dilakukan uji regresi linear sederhana dan menghasilkan nilai 0.372 yang artinya design thinking memiliki pengaruh pada kemampuan pedagogi mahasiswa calon guru informatika.   Abstract Design thinking is one of the learning methods that can be used by teachers to support learning. This is in accordance with the achievement of SDGs echoed by the UN, that education needs to be improved in quality. This quality improvement is through the selection of learning methods that can improve 21st century skills and also include pedagogical skills. Pedagogical skills are one of the skills expected to be mastered by graduates of the Information Technology Education study program, Universitas Brawijaya (PTI UB). This ability will later help graduates to become professional teachers. The purpose of this study was to determine the effect of design thinking on pedagogical skills. The research approach used was quantitative with an ex post facto research method through a survey. The population of this study were all active students from PTI UB and the sampling technique used was purposive sampling. This is because the sample was PTI UB students who had carried out school field practice. The research instrument used was a questionnaire with a Likert scale. This research instrument has been validated and tested for reliability before so that the data obtained later is not biased. The validation technique used is content validity with Indonesian language experts and also Design thinking experts. Based on the validation process, the instrument was declared suitable for use in data collection with minor revisions, especially in the sentence structure section. The respondents who filled in were 26 people and produced normal, linear data and did not have heteroscedasticity. Furthermore, a simple linear regression test was carried out and produced a value of 0.372, which means that design thinking has an influence on the pedagogical abilities of prospective informatics teacher students.
Komparasi MobileNETV2 dengan Kustomisasi Transfer Learning dan Hyperparameter untuk Identifikasi Tumor Otak Somoal, Muhammad Gabriel; Dzikrillah, Akhmad Rizal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 1: Februari 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025129582

Abstract

Tumor otak disebabkan dengan pertumbuhan sel otak yang abnormal pada jaringan otak yang menyebabkan kematian bagi pria dan wanita. Identifikasi tumor otak umumnya dilakukan dengan metode biopsi oleh dokter selama 10 hingga 15 hari. Namun, pendekatan modern diperlukan untuk menekan waktu dalam identifikasi tumor otak dengan teknologi deep learning. Dalam penelitian ini, menggunakan 4 kategori tumor otak yaitu glioma, meningioma, notumor, dan pituitary dengan akumulasi citra data sebanyak 20.000 data dan pembagian data meliputi 75% untuk train data, 15% untuk validation data, dan 10% untuk testing data. Penelitian ini bertujuan untuk membandingkan performa dari Adam dan Stochastic Gradient Descent Optimizer, dan model arsitektur transfer learning MobileNetV2 dan MobileNetV2 dalam identifikasi tumor otak. Penelitian ini menggunakan metode komparatif dengan metode evaluasi menggunakan confusion matrix. Comparative analysis dilakukan dengan membandingkan 4 skenario meliputi skenario 1 yaitu menggunakan Adam optimizer dan transfer learning, skenario 2 yaitu menggunakan SGD optimizer dan transfer learning, skenario 3 yaitu menggunakan Adam optimizer dan tanpa transfer learning, serta skenario 4 yaitu menggunakan SGD optimizer dan tanpa transfer learning. Hasil penelitian menunjukkan bahwa skenario 1 dengan penggunaan Adam optimizer dan model transfer learning MobileNetV2 memperoleh accuracy sebesar 98%, precision sebesar 98%, recall sebesar 97,75%, dan f1-score sebesar 97,75% yang merupakan hasil model terbaik, Temuan ini mengindikasikan bahwa peran transfer learning sangat berpengaruh baik pada performa model dan diharapkan dapat memberikan wawasan lebih mendalam terkait model arsitektur yang paling akurat untuk identifikasi tumor otak serta menawarkan fondasi untuk pengembangan aplikasi berbasis Magnetic Resonance Imaging dalam citra medis.   Abstract Brain tumors are caused by the abnormal growth of brain cells in brain tissue, leading to death for both men and women. Typically, brain tumor identification is performed through a biopsy by doctors, taking 10 to 15 days. However, a modern approach is needed to reduce the time for brain tumor identification using deep learning technology. This study uses four categories of brain tumors: glioma, meningioma, no tumor, and pituitary tumor, with a dataset of 20,000 images. The data is divided into 75% for training, 15% for validation, and 10% for testing. The purpose of this study is to compare the performance of the Adam and Stochastic Gradient Descent (SGD) optimizers, as well as the MobileNetV2 and MobileNetV2 transfer learning architecture models in brain tumor identification. A comparative method is used, with evaluation through a confusion matrix. The analysis compares four scenarios: Scenario 1 using the Adam optimizer and transfer learning, Scenario 2 using the SGD optimizer and transfer learning, Scenario 3 using the Adam optimizer with no transfer learning, and Scenario 4 using the SGD optimizer with no transfer learning. The results show that Scenario 1, using the Adam optimizer and MobileNetV2 transfer learning, achieved the highest performance with 98% accuracy, 98% precision, 97.75% recall, and 97.75% F1-score. This finding highlights the significant impact of transfer learning on model performance, providing valuable insights into the most accurate architecture for brain tumor identification, and offers a foundation for developing Magnetic Resonance Imaging-based medical image applications.
Aplikasi Metode Lean User Experience dan System Usability Scale pada Analisis, Perancangan, dan Evaluasi Antarmuka Aplikasi Mobile Marthasari, Gita Indah; Praadita, Firman Noor; Wiyono, Briansyah Setyo
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025125762

Abstract

Sistem i-Lab merupakan aplikasi berbasis web untuk mendukung pelaksanaan praktikum di Departement Informatika Universitas Muhammadiyah Malang (UMM). Namun, sistem berbasis web yang saat ini digunakan dianggap belum memenuhi kebutuhan sebagian besar pengguna yang lebih sering menggunakan mobile phone. Berdasarkan survey awal, aplikasi mobile i-Lab diharapkan memiliki tampilan yang menarik dan user experience yang memuaskan. Oleh karena itu, tujuan penelitian ini adalah merancang antarmuka pengguna pada aplikasi iLab mobile menggunakan pendekatan Lean User Experience (Lean UX). Lean UX dianggap lebih sesuai dan efisien dalam proses perancangan user interface perangkat lunak dengan penggunaan sumber daya minimum. Dalam penelitian ini metode Lean UX diterapkan dalam dua iterasi dimana setiap iterasi terdiri dari tiga tahap: yaitu think (analisis), design (membuat MVP), dan test (pengujian dan analisis feedback). Evaluasi dilakukan pada tiap iterasi dalam Lean UX untuk mengetahui tingkat usability sesuai dengan perpektif pengguna. Hasil perancangan dievaluasi menggunakan System Usability Scale (SUS) dengan responden yang merupakan pengguna aplikasi. Berdasarkan pengujian, rancangan Skor akhir mendapatkan nilai “B” (rentang 80-85) dengan skor 81,75 yang termasuk dalam kategori tingkat acceptability range “Good” dan adjective rating “Excellent”.   Abstract The i-Lab system is a web-based application to support the implementation of practicum at the Department of Informatics, University of Muhammadiyah Malang (UMM). However, the web-based system currently used is considered not to meet the needs of most users who use mobile phones more often. Based on the initial survey, the i-Lab mobile application is expected to have an attractive appearance and a satisfying user experience. Therefore, the purpose of this research is to design a user interface on the iLab mobile application using a Lean User Experience (Lean UX) approach. Lean UX is considered to be more suitable and efficient in the process of designing user interface software with minimum resource usage. In this study, the Lean UX method is applied in two iterations where each iteration consists of three stages: think (analysis), design (make MVP), and test (test and analyze feedback). Evaluation is carried out at each iteration in Lean UX to determine the level of usability according to the user's perspective. The results of the design are evaluated using the System Usability Scale (SUS) with respondents who are application users. Based on the test, the final score design got a score of "B" (range 80-85) with a score of 81.75 which was included in the acceptability range category "Good" and the adjective rating "Excelent".
Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus : Jconnect Mobile) Putra, Alland Rifqy; Ratnawati, Dian Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 2: April 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025127556

Abstract

JConnect Mobile merupakan salah satu aplikasi mobile banking di Indonesia yang dikembangkan oleh Bank Jatim. Hasil pengamatan pada ulasan playstore menunjukkan masih terdapat keluhan pengguna terkait aplikasi JConnect Mobile. Ulasan dari pengguna dapat dimanfaatkan sebagai sumber untuk melakukan peningkatan aplikasi. Salah satu cara untuk melakukan analisis pada ulasan pengguna yaitu dengan analisis sentimen. Penelitian ini melakukan analisis sentimen berbasis aspek untuk mengidentifikasi sentimen positif dan negatif pada ulasan pengguna. Data yang digunakan dalam penelitian ini adalah ulasan pengguna terhadap aplikasi JConnect Mobile di playstore. Aspek yang digunakan yaitu tampilan, fitur dan performa, layanan. Metode yang digunakan dalam penelitian ini yaitu pengumpulan data, pelabelan data, preprocessing teks, klasifikasi dan pengujian, analisis hasil. Klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil dari analisis sentimen dilakukan Root Cause Analysis (RCA) untuk mengetahui akar permasalahan dari sentimen negatif. Hasil pengujian algoritma Naïve Bayes pada seluruh data didapatkan akurasi sebesar 93.1%, presisi 93.2%, recall 93.1%, dan f1-score 93.1%. Hasil RCA menemukan lima permasalahan utama yang dapat ditingkatkan dari aplikasi. Berdasarkan hasil RCA kemudian dilakukan penyusunan rekomendasi untuk dapat meningkatkan kualitas layanan dari aplikasi. Hasil penelitian ini menghasilkan rekomendasi yang telah diserahkan kepada pihak Bank Jatim sebagai bahan evaluasi dan perbaikan dalam aspek tampilan, fitur, performa, dan layanan aplikasi untuk meningkatkan kepuasan pengguna.   Abstract JConnect Mobile is one of the mobile banking applications in Indonesia developed by Bank Jatim. Observations on playstore reviews show that there are still user complaints regarding the JConnect Mobile application. Reviews from users can be utilized as a source for making application improvements. One way to analyze user reviews is with sentiment analysis. This research conducts aspect-based sentiment analysis to identify positive and negative sentiments in user reviews. The data used in this study are user reviews of the JConnect Mobile application in PlayStore. The aspects used are appearance, features and performance, service. The methods used in this research are data collection, data labeling, text preprocessing, classification and testing, result analysis. Classification is done using the Naïve Bayes algorithm and Term Frequency-Inverse Document Frequency (TF-IDF) weighting. The results of sentiment analysis are carried out Root Cause Analysis (RCA) to find out the root causes of negative sentiment. The results of testing the Naïve Bayes algorithm on all data obtained an accuracy of 93.1%, precision of 93.2%, recall of 93.1%, and f1-score of 93.1%. The RCA results found five main problems that can be improved from the application. Based on the RCA results, recommendations are made to improve the service quality of the application. The results of this study resulted in recommendations that have been submitted to the Bank Jatim as evaluation and improvement materials in the aspects of appearance, features, performance, and application services to increase user satisfaction.
Perbandingan Kinerja Arsitektur Convolutional Neural Network Pada Deteksi Malaria Menggunakan Citra Sel Darah Setiawan, Agung Wahyu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128085

Abstract

Malaria masih menjadi salah satu penyebab kematian tertinggi di dunia, terutama di daerah yang berstatus endemi. Standar emas penegakan diagnosis malaria adalah berbasis citra apusan atau sel darah yang diperoleh dengan menggunakan mikroskop. Kendala utama dalam penegakan diagnosis ini adalah kurangnya tenaga ahli untuk melakukan asesmen citra sel darah. Oleh karena itu, dilakukan diagnosis malaria berbasis citra sel darah menggunakan Artificial Intelligent (AI) / kecerdasan buatan. Deteksi malaria berbasis AI yang dilakukan pada studi-studi sebelumnya telah menghasilkan kinerja yang sudah baik. Namun, kinerja deteksi ini masih dapat ditingkatkan. Studi ini menggunakan 27.558 citra sel darah yang terdiri dari 13.779 sel darah terinfeksi dan 13.779 tidak terinfeksi. Citra-citra sel darah ini dibagi menjadi tiga kelompok, yaitu pelatihan (80%); validasi (10%); dan pengujian (10%). Pada studi ini, digunakan ResNet50; ResNet101; ResNet152; ResNet50V2; ResNet101V2; ResNet152V2; DenseNet121; DenseNet169; DenseNet201; InceptionV3; InceptionResNetV2; VGG16; VGG19; dan MobileNetV2. Tujuan utama dari studi ini adalah mencari arsitektur CNN yang memiliki kinerja terbaik dalam deteksi malaria berbasis citra sel darah. Perbandingan kinerja diases dengan menggunakan nilai akurasi, sensitivitas, spesifisitas, skor F1, dan Area Under the Curve (AUC). Arsitektur MobileNetV2 memberikan kinerja paling baik dengan nilai rata-rata pelatihan, validasi, dan pengujian tertinggi. Nilai rata-rata akurasi mencapai 97,68%; spesifisitas 98,61%; sensitivitas 96,75%; Skor F1 97,70%; dan AUC sebesar 99,65%. Selain itu, waktu pembuatan model arsitektur MobileNetV2 hanya sekitar 2,5 jam. Selain itu, jumlah lapisan convolutional tidak memengaruhi kinerja deteksi malaria. Dengan lapisan convolutional berjumlah 53, MobileNetV2 berkinerja lebih baik dibandingkan dengan arsitektur-arsitektur lain dengan jumlah lapisan convolutional lebih banyak.   Abstract Malaria is still one of the highest causes of death in the world, especially in the endemic areas. The gold standard for diagnosing malaria is based on smears blood smears or cells image which is obtained using a microscope. The main challenge in detecting malaria is the lack of experts to assess the blood smears. Therefore, the detection is carried out using Artificial Intelligence (AI). Previous studies that used AI to detect malaria have a good performance. However, the detection performance can still be improved. Furthermore, previous studies only used one or two or three performance metrics. This study used 27,558 blood cell images consisting of 13,779 infected and 13,779 uninfected blood cells. These blood cell images are divided into three groups, i.e. training (80%); validation (10%); and testing (10%). In this study, several CNN architectures are used, such as ResNet50; ResNet101; ResNet152; ResNet50V2; ResNet101V2; ResNet152V; DenseNet121; DenseNet169; DenseNet201; InceptionV3; InceptionResNetV2; VGG16: VGG19: and MobileNetV2. The main objective of this study is to find the CNN architecture that has the best performance in blood cell image-based malaria detection. Comparison of performance of CNN architectures are assessed using accuracy, sensitivity, specificity, F1 score, and Area Under the Curve (AUC) values. The MobileNetV2 architecture provides the best performance with the highest average values of training, validation, and testing. The average accuracy value of 97.68%; specificity of 98.61%; sensitivity of 96,75%; F1 Score of 97.70%; and AUC of 0.9965. In addition, the time to build the MobileNetV2 model is about 2.5 hours, the fastest one. This study shows that the number of convolutional layers does not affect malaria detection performance. With 53 convolutional layers, MobileNetV2 has the best performance.  
Pemodelan Pengaruh E-Learning Pada Performa Akademik Mahasiswa Dengan Technology Acceptance Model Dan Analisis Structural Equation Modelling Daniawan, Benny; Wijono, Sutarto; Manongga, Danny; Sembiring, Irwan; Krismiyati, Krismiyati; Wellem, Theophilus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128229

Abstract

E-learning telah menjadi alat yang penting dalam pendidikan tinggi, memungkinkan perguruan tinggi untuk menyediakan aksesibilitas dan fleksibilitas dalam pengajaran dan pembelajaran. Salah satu platform e-learning yang populer adalah Moodle yang digunakan oleh banyak universitas di indonesia. Namun, penggunaan Moodle di universitas belum banyak diteliti secara mendalam, terutama dalam konteks pengaruh e-learning terhadap indeks prestasi akademik. Oleh karena itu, penelitian ini bertujuan untuk melakukan pengujian e-learning Moodle di lingkungan Universitas Buddhi Dharma yang berlokasi di Tangerang dengan metode Technology Acceptance Model (TAM) menggunakan lima variabel Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behaviour Intention to Use (BITU), dan Actual System Using (ASU) ditambah dengan dua variabel lain yaitu Level of Confidence (LC) dan Academic Performance (AP). Seluruh variabel dianalisis menggunakan Structural Equation Modelling (SEM). Hasilnya menunjukkan bahwa persepsi kemudahan penggunaan (PEOU), dan persepsi kebermanfaatan (PU) memiliki pengaruh positif secara signifikan terhadap sikap (ATT) dan niat perilaku pengguna (BITU) serta aktual penggunaan sistem (ASU) dalam Moodle sebagai platform e-learning dengan nilai t-statistik yang melebihi nilai t-tabel dan p-value. Namun dalam hal ini penerimaan teknologi e-learning yang baik tidak mempengaruhi tingkat kepercayaan diri (LC) dan performa akademik pengguna (AP) secara aktual.   Abstract E-learning has become an essential tool in higher education, enabling universities to provide accessibility and flexibility in teaching and learning. One of the popular e-learning platforms is Moodle, which many universities in Indonesia use. However, the use of Moodle at universities has yet to be studied in depth, especially in the context of the influence of e-learning on the academic performance index. Therefore, this research aims to test Moodle e-learning in the Buddhi Dharma University environment located in Tangerang using the Technology Acceptance Model (TAM) method using the five variables Perceive Usefulness (PU), Perceive Ease of Use (PEOU), Attention Towards Using (ATU), Behavioral Intention to Use (BITU), and Actual System Using (ASU) plus two other variables, namely Level of Confidence (LC) and Academic Performance (AP). All variables were analyzed using Structural Equation Modeling (SEM). The results show that perceived ease of use (PEOU) and perceived usefulness (PU) have a significant positive influence on attitudes (ATT) and user behavioral intentions (BITU) as well as actual system use (ASU) in Moodle as an e-learning platform with a value of t -statistics that exceed the t-table value and p-value. However, in this case, a good acceptance of e-learning technology does not affect the Confidence Level (LC) and user Academic Performance (AP).
Perbandingan Metode Jaringan Saraf Tiruan, Fuzzy, Dan Anfis Pada Peramalan Data Inflasi Indonesia Lusia, Dwi Ayu; Semathea, Karen; Sumarminingsih, Eni; Efendi, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128613

Abstract

Peramalan adalah teknik penting untuk mengestimasi nilai masa depan berdasarkan data historis. Namun, metode peramalan sering menghadapi tantangan dalam memilih model dengan tingkat akurasi terbaik. Penelitian ini bertujuan membandingkan kinerja metode Jaringan Syaraf Tiruan (JST) dan Fuzzy Metode Sugeno serta gabungan kedua metode yang disebut Adaptive Neuro Fuzzy Inference System (ANFIS). Ketiga metode digunakan untuk meramalkan inflasi bulanan Indonesia. Penerapan ketiga metode membutuhkan penentuan input yang berdasarkan stasioner dan PACF. Data tidak stasioner lag 2 sehingga Differencing lag 2 kemudian tidak ada lag yang keluar pada PACF. Berdasarkan kedua hal tersebut ditentukan inputnya ialah  dan . Hasil menunjukkan bahwa metode JST dengan 3 lapisan tersembunyi dengan banyak neuron (2,1,1) memberikan kinerja terbaik (nilai RMSE terkecil sebesar 1,16127 pada data testing). Metode terbaik tersebut digunakan untuk meramalkan Inflasi bulan September 2023 hingga Desember 2024 cenderung konstan antara 2,68879% hingga 2,68887%. Kontribusi riset ini adalah metode advance (ANFIS) dengan menggabungankan dua metode (JST dan Fuzzy) belum tentu lebih baik daripada metode tanpa penggabungan (JST atau Fuzzy).   Abstract Forecasting is an important technique for estimating future values ​​based on historical data. However, forecasting methods often face challenges in choosing a model with the best level of accuracy. This study aims to compare the performance of the Artificial Neural Network (ANN) and Fuzzy Sugeno Method methods and a combination of the two methods called the Adaptive Neuro Fuzzy Inference System (ANFIS). The third method is used to predict Indonesia's monthly inflation. The application of the third method requires input determination based on stationary and PACF. The data is not stationary lag 2 so that Differencing lag 2 then there is no lag that comes out in PACF. Based on these two things, the input is determined to be Y_(t-1) and Y_(t-2). The results show that the ANN method with 3 hidden layers with many neurons (2,1,1) gives the best performance (the smallest RMSE value is 1.16127 on the test data). The best method used to predict inflation from September 2023 to December 2024 tends to be constant between 2.68879% to 2.68887%. The contribution of this research is that the advanced method (ANFIS) by combining two methods (ANN and Fuzzy) is not necessarily better than the method without combining (ANN or Fuzzy).
Analisis Model Jalur Longitudinal Berbasis Glmm Pada Kasus Pasien Penderita Tuberkulosis Paru: Studi Simulasi Fernandes, Adji; Rahmanda, Lalu Ramzy; Solimun
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 3: Juni 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025128415

Abstract

Evaluasi dan monitoring pada pasien penderita tuberkulosis paru membutuhkan pengobatan yang tepat. Dalam beberapa tahun terakhir, pada tahap monitoring telah ditemukan penanda biologis yang disebut suPAR (soluble urokinase plasminogen activator receptor) berpotensi sebagai biomarker untuk mendiagnosis, prognosis, dan evaluasi penyakit paru. Penelitian ini bertujuan untuk menyelidiki faktor-faktor yang berhubungan dengan pasien tuberkulosis paru dan menentukan faktor yang paling signifikan berdasarkan waktu pengamatan, indeks massa tubuh, dan laju endapan darah. Sampel sebanyak 60 pasien tuberkulosis paru di Malang dievaluasi secara longitudinal setiap dua minggu sekali selama 13 periode. Dalam penelitian ini, kami menggunakan analisis jalur dengan generalized linear mixed model (GLMM) dengan metode Weighted Least Square (WLS) untuk menyelidiki hubungan antarvariabel terhadap kadar monosit dan kadar suPAR pada pasien tuberkulosis paru. dan membandingkan hasilnya dengan Ordinary Least Square (OLS). Hasil penelitian menunjukkan bahwa model terbaik adalah GLMM dengan struktur kovarian unstructured dengan AIC terkecil dan R2 terbesar. Selain itu, indeks massa tubuh memiliki pengaruh yang paling signifikan terhadap kadar monosit dan suPAR pada pasien TB paru. Oleh karena itu, sangat penting untuk mempertimbangkan indeks massa tubuh pasien dalam evaluasi dan monitoring pasien tuberkulosis paru.   Abstract Evaluating and monitoring patients with pulmonary tuberculosis needs an appropriate treatment. In recent years, a biological marker called suPAR (soluble urokinase plasminogen activator receptor) has been identified in the monitoring stage and has the potential as a biomarker for diagnosing, prognosing, and monitoring disease. This study aims to investigate the factors associated with patients with pulmonary tuberculosis and determine the most significant factor based on observation time, BMI, and ESR. A total of 60 patients diagnosed with pulmonary tuberculosis in Malang were included and evaluated longitudinally every two weeks over 13 periods. In this study, we use path analysis with the generalized linear mixed model (GLMM) using the Weighted Least Square (WLS) method to investigate the relationship between the variables on monocyte and suPAR levels in pulmonary tuberculosis patients and compare the results those obtained using the Ordinary Least Square (OLS) method. The results demonstrate that the optimal model is the GLMM with an unstructured covariance structure, exhibiting the smallest AIC and the largest R2. Additionally, body mass index exerts the most significant effect on monocyte and suPAR levels in patients with pulmonary tuberculosis. Consequently, considering patient’s BMI when evaluating and monitoring patients with pulmonary tuberculosis is imperative.

Page 117 of 129 | Total Record : 1288

 115   116   117   118   119 

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: Oktober 2014 Vol 1, No 2 (2014) Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue