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
 117   118   119   120   121 
Fitur 3D Semu untuk Visualisasi Produk pada Aplikasi Penjualan Online Umkm W. Hananto, Mursid; Hananto, Mursid; Agustina, Tia
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.2025129074

Abstract

Visualisasi produk menggunakan grafika 3D merupakan salah satu cara yang efektif untuk menampilkan suatu produk, namun penyiapan aset maupun perawatan media online yang memanfaatkan metode tersebut memerlukan banyak hal yang tidak semua UMKM mampu atau siap melakukannya. Keterbatasan sumber daya manusia (SDM) menyulitkan alokasi tenaga khusus penyediaan dan pengelolaan aset grafika 3D agar secara kontinu dapat memasok data ke media penjualan online yang dimiliki UMKM. Dibutuhkan solusi yang mudah digunakan oleh kalangan UMKM dengan SDM terbatas, memerlukan biaya rendah dan dapat memanfaatkan berbagai alat bantu yang tersedia luas, serta dapat disiapkan dengan cepat. Teknik visualisasi 3D semu diadaptasi dalam solusi yang dikembangkan dengan tujuan menghasilkan fitur visualisasi yang mampu memperlihatkan tampilan fisik produk lebih detail dari berbagai sudut pandang layaknya saat ditampilkan di tempat penjualan secara fisik, namun tanpa menyertakan kesulitan untuk membuat representasi digital 3D sepenuhnya. Realisasi solusi dilakukan dengan metode evolusioner incremental yang memungkinkan untuk menghasilkan solusi secara bertahap sehingga pengguna dapat segera memanfaatkannya. Penelitian telah menghasilkan solusi berupa fitur 3D semu untuk menampilkan produk-produk UMKM dalam aplikasi berbasis web. Fitur 3D semu yang menggunakan rangkaian citra 2D dapat memenuhi kebutuhan visualisasi layaknya 3D yang dapat diputar 360 derajat sehingga UMKM dapat segera menawarkan produknya secara online sekaligus memvisualisasikannya dengan lebih baik dibandingkan hanya menampilkan beberapa foto produk. Kemudahan menyiapkan konten untuk fitur 3D semu menjadi nilai tambah yang membantu operasional pihak UMKM. Integrasi pada media penjualan konvensional mudah dilakukan, dan dapat bekerja dengan baik sesuai rancangan. Abstract Product visualization using 3D graphics is an effective way to display a product, but preparing assets and maintaining online media that utilizes this method requires many things that not all MSMEs are able or ready to do. Limited human resources (HR) make it difficult to allocate specific personnel to provide and manage 3D graphic assets so that they can continuously supply data to online sales media owned by MSMEs. A solution is needed that is easy to use by MSMEs with limited human resources, requires low costs and can utilize various tools that are widely available, and can be prepared in a short time. The pseudo 3D visualization technique was adapted in the solution developed with the aim of producing a visualization feature that is able to show the physical appearance of the product in more detail from various points of view as if it were displayed at a physical point of sale, but without including the difficulty of creating a fully 3D digital representation. Solution realization is carried out using an incremental evolutionary method which makes it possible to produce solutions in stages so that users can immediately take advantage of them. The research has produced a solution in the form of a pseudo 3D feature to display MSME products in a web-based application. The pseudo 3D feature that uses a series of 2D images can fulfill 3D-like visualization needs which can be rotated 360 degrees so that MSMEs can immediately offer their products online while visualizing them better than just displaying a few product photos. The ease of preparing content for the pseudo 3D feature is an added value that helps MSMEs' daily operations. Integration with conventional sales media is easy to do, and can work well as designed.
Pengaruh Teknik Penanganan Negasi Dalam Analisis Sentimen Darmayasa, I Nengah Oka; ER, Ngurah Agus Sanjaya; Kadyanan, I Gusti Agung Gede Arya; Karyawati, Anak Agung Istri Ngurah 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.2025129079

Abstract

“Garbage in, garbage out” merupakan sebuah ungkapan klasik dalam data science yang menyatakan bahwa kualitas keluaran suatu sistem bergantung pada kualitas data yang dimasukkan. Dalam klasifikasi sentimen, negasi memainkan peran penting dalam menentukan polaritas sentimen kalimat, tetapi sering kali dihapus pada tahap preprocessing sebagai stopword, yang dapat menghilangkan konteks negasi tersebut. Penelitian ini mengevaluasi dampak dua teknik penanganan negasi Next Word Negation dan penggantian antonim terhadap performa Naïve Bayes Classifier dan Support Vector Machine Classifier. Teknik Next Word Negation menggabungkan kata penanda negasi dengan kata setelahnya seperti “tidak cepat” menjadi “tidak_cepat”. Sementara itu, teknik penggantian antonim mengganti kata penanda negasi dan kata setelahnya dengan antonim dari kata setelahnya, misalnya “tidak cepat” menjadi “lambat”. Hasil penelitian menunjukkan bahwa teknik penanganan negasi meningkatkan akurasi Naïve Bayes dari 82,94% tanpa penanganan negasi menjadi 85,88% dengan Next Word Negation dan 87,64% dengan penggantian antonim. Untuk Support Vector Machine, akurasi meningkat dari 84,70% tanpa penanganan negasi menjadi 89,41% dengan penggantian antonim dan 88,23% dengan Next Word Negation. Abstract “Garbage in, garbage out” is a classic expression in data science that states the quality of a system’s output depends on the quality of the input data. In sentiment classification, negation plays a crucial role in determining the sentiment polarity of a sentence but is often removed during the preprocessing stage as a stopword, potentially eliminating the context of negation. This study evaluates the impact of two negation-handling techniques, Next Word Negation and antonym replacement, on the performance of Naïve Bayes Classifier and Support Vector Machine Classifier. The Next Word Negation technique combines the negation marker with the following word, for example, “tidak cepat” becomes “tidak_cepat”. Meanwhile, the antonym replacement technique replaces the negation marker and the following word with the antonym of the following word, for example, “tidak cepat” becomes “lambat”. The results of the study show that negation-handling techniques improve the accuracy of Naïve Bayes from 82.94% without negation handling to 85.88% with Next Word Negation and 87.64% with antonym replacement. For the Support Vector Machine, accuracy increases from 84.70% without negation handling to 89.41% with antonym replacement and 88.23% with Next Word Negation.
PROTOTIPE SISTEM PENDUKUNG KEPUTUSAN TERINTEGRASI MODEL NER UNTUK VALIDASI DAN PENETAPAN PEMUKTAHIRAN DATA ASN Holik, Nur Muhamad; Sumpeno, Surya; Fuad Rachmadi, Reza
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.2025129175

Abstract

Untuk mendukung dan memperlancar penyelenggaraan manajemen aparatur sipil negara serta pengambilan keputusan yang efisien, efektif, dan akurat, diperlukan data pegawai ASN. Data tersebut harus dimutakhirkan dan divalidasi secara berkala sebelum disebarluaskan dan diakses oleh instansi pemerintah sesuai kewenangannya masing-masing serta dapat diakses oleh masyarakat melalui portal data sesuai dengan ketentuan peraturan perundang-undangan. Pada paper ini ditampilkan prototipe berbasis web untuk menunjukkan bahwa model NER yang dikembangkan dapat diintegrasikan sebagai subsistem dari sistem pendukung keputusan dalam melakukan validasi dan penetapan persetujuan pemutakhiran data ASN. Prototipe menunjukkan tingkat kemiripan hasil prediksi model dengan data yang diusulkan, tertinggi sebesar 100% dan terendah sebesar 41,34%. Pengukuran kinerja model menggunakan spacy menunjukkan bahwa model terbaik memperoleh nilai F1-score rata-rata sebesar 99,01 menggunakan dataset training, 98,20 menggunakan dataset testing, dan 94,26 menggunakan dataset other.
DATA MINING PENDIDIKAN: PREDIKSI GAYA BELAJAR MAHASISWA TEKNIK MENGGUNAKAN MACHINE LEARNING Sumarlin, Sumarlin; Anggraini, Dewi
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.2025129190

Abstract

Dalam platform online, pembelajar yang berbeda memiliki gaya belajar yang berbeda berdasarkan perilaku belajar. Oleh karena itu, menganalisis perilaku dan mendeteksi gaya belajar mahasiswa adalah penting untuk memberikan rekomendasi sumber daya yang tepat, sehingga meningkatkan hasil belajar mahasiswa. Untuk memprediksi gaya belajar mahasiswa, dihitung dan dibandingkan kinerja algoritma pembelajaran mesin seperti regresi logistik, pohon penentuan, K-Nearest neighbour, support vector machine, neural network, dan Naive Bayes. Dataset terdiri dari seratus mahasiswa teknik yang belajar Arsitektur Komputer selama satu semester. Studi berbasis data seperti ini sangat penting untuk membangun sistem analisis pembelajaran di institusi pendidikan tinggi dan membantu proses pengambilan keputusan. Hasilnya menunjukkan bahwa model yang disarankan mencapai akurasi klasifikasi sebesar 65–78% dengan hanya empat parameter digunakan: nilai akhir, predikat, program studi, dan jenis kelamin.  Hasil menunjukkan bahwa algoritma K-Nearest Neighbour memiliki tingkat akurasi 78% tertinggi dibandingkan dengan algoritma machine learning lainnya. Ini menunjukkan bahwa ada korelasi yang signifikan antara data aktual dan data prediksi. Hasilnya menunjukkan bahwa 78% sampel diklasifikasikan dengan benar.  Hasil empiris dari penelitian ini memungkinkan pemahaman yang lebih baik tentang proses penggalian data pendidikan perguruan tinggi saat ini. Pemahaman ini dapat digunakan untuk mempertimbangkan faktor-faktor yang perlu dipertimbangkan oleh para mahasiswa teknik saat membuat keputusan tentang proses pembelajaran.   Abstract In online platforms, different learners have different learning styles based on learning behavior. Therefore, analyzing behavior and detecting student learning styles is important to provide appropriate resource recommendations, thereby improving student learning outcomes. To predict student learning styles, the performance of machine learning algorithms such as logistic regression, determination trees, K-Nearest neighbors, support vector machines, neural networks, and Naive Bayes are calculated and compared. The dataset consists of one hundred engineering students studying Computer Architecture for one semester. Data-based studies like this are essential for building learning analytics systems in higher education institutions and aiding decision-making processes. The results show that the proposed model achieves a classification accuracy of 65–78% with only four parameters used: final grade, predicate, study program, and gender.  The results show that the K-Nearest Neighbor algorithm has the highest accuracy rate of 78% compared to other machine learning algorithms. This shows that there is a significant correlation between the actual data and the predicted data. The results show that 78% of the samples were classified correctly.  The empirical results of this research enable a better understanding of the current process of mining higher education education data. This understanding can be used to consider factors that engineering students need to consider when making decisions about the learning process.
Pemodelan Sistem Monitoring Kualitas Udara Pintar Berbasis Internet of Things dengan Pendekatan Machine Learning Nugroho, Eddy Prasetyo; Anisyah, Ani; Al Fathin, Deva Shofa; Amadudin, Muhammad Nur Yasin; Ramadhani, Muhammad Satria; Yosafat
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.2025129195

Abstract

Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan.   Abstract   This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.
Identifikasi Pola Tingkat Kesenjangan Ketuntasan Pendidikan Di Indonesia Dengan Menggunakan Metode K-Medoids Clustering Kamalia, Antika Zahrotul; Nawangsih, Ismasari
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.2025129219

Abstract

Pendidikan memiliki peran penting dalam pembangunan sosial dan ekonomi, namun masih ada kesenjangan ketuntasan pendidikan antar provinsi di Indonesia. Kesenjangan ini disebabkan oleh perbedaan akses fasilitas, kualitas pengajaran, dan kondisi ekonomi, yang mempengaruhi tingkat ketuntasan pendidikan. Penelitian ini menggunakan metode K-Medoids Clustering untuk mengelompokkan wilayah di Indonesia berdasarkan data ketuntasan pendidikan dari Badan Pusat Statistik Indonesia (BPS) 2018-2023 untuk sebagai pusat Cluster (medoids), dan dipilih karena keunggulannya dalam mengelompokkan data berdasarkan median, yang pada gilirannya membuatnya lebih tahan terhadap pengaruh data outlier. Temuan utama penelitian ini menunjukkan kesenjangan pendidikan tinggi yaitu berada di wilayah Indonesia bagian tengah dan timur yaitu seperti provinsi Nusa Tenggara Timur (NTT) dan provinsi Papua, menjadi refleksi nyata dari keterbatasan akses dan fasilitas pendidikan di wilayah tersebut. Rendahnya tingkat ketuntasan pendidikan pada jenjang SD, SMP, dan SMA turut berdampak pada minimnya angka partisipasi di pendidikan tinggi dan disparitas signifikan dalam ketuntasan pendidikan dengan kondisi seperti ini mencerminkan perlunya kebijakan berbasis data, peningkatan infrastruktur pendidikan, serta program dukungan untuk siswa dan guru guna memperbaiki kesenjangan pendidikan. Wilayah Indonesia bagian barat dengan ketuntasan pendidikan lebih tinggi, seperti Jawa, Sumatra, dan Bali, diharapkan dapat berbagi praktik terbaik untuk mendukung wilayah yang tertinggal.   Abstract Education plays a crucial role in social and economic development; however, there are still significant disparities in educational completion rates across provinces in Indonesia. These disparities are caused by differences in access to facilities, teaching quality, and economic conditions, which affect educational outcomes. This study uses the K-Medoids Clustering method to group regions in Indonesia based on educational attainment data from Statistics Indonesia (BPS) 2018-2023, using this data as the cluster centers (medoids). This method was chosen for its effectiveness in clustering data based on the median, making it more resilient to the influence of outlier data. The main findings of this study reveal significant educational disparities in central and eastern Indonesia, such as in East Nusa Tenggara (NTT) and Papua provinces, reflecting the limited access to and availability of educational facilities in these regions. Low completion rates at the elementary, junior high, and high school levels also affect participation in higher education and significant disparities in educational attainment. This underscores the need for data-driven policies, improved educational infrastructure, and support programs for students and teachers to address educational inequalities. Western regions of Indonesia with higher educational attainment, such as Java, Sumatra, and Bali, are expected to share best practices to support underdeveloped regions.
Kombinasi Analisis Bibliometrik dengan Latent Dirichlet Allocation sebagai Pemodelan Topik Cashless Society Sepriadi, Hanifa; Rudiat Sekarsari, Cindy; Iriany, Atiek; Solimun; Rinaldo Fernandes, Adji Achmad
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.2012129244

Abstract

Era digitalisasi dan komputasi telah dimulai, ditandai dengan munculnya teknologi digital yang merasuk ke berbagai aspek kehidupan, sementara data juga terus berkembang menjadi big data.  Setelah era covid 19, metode pembayaran non-tunai berkembang sangat pesat, sehingga banyak penelitian mengenai cashless society. Tujuan dari penelitian ini adalah memodelkan topik-topik yang berkaitan dengan cashless society untuk mendapatkan variabel dan indikator yang terkait dengan menggunakan analisis bibliometrik dan latent dirichlet allocation. Data penelitian ini berasal dari artikel publikasi ilmiah dan hasil web scrapping di twitter yang bertemakan cashless society. Hasil penelitian menunjukkan bahwa terdapat 5 variabel dan 21 indikator yang berhubungan dengan cashless society.   Abstract The era of digitalization and computing has begun, marked by the emergence of digital technology which permeates various aspects of life, while data also continues to develop into big data.  After the covid 19 era, non-cash payment methods developed very rapidly, so there were many studies on the cashless society. The purpose of this research is to model topics related to the cashless society to obtain related variables and indicators using bibliometric analysis and latent dirichlet allocation. This research data comes from scientific publication articles and web scrapping results on twitter with the theme of cashless society. The results showed that there are 5 variables and 21 indicators related to cashless society.
Optimasi Algoritma Support Vector Machine Berbasis Kernel Radial Basis Function (RBF) Menggunakan Metode Particle Swarm Optimization Untuk Analisis Sentimen Angkoso, Cucun Very; Asror, Khozainul; Kusumaningsih, Ari; Nugroho, Andi Kurniawan
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.2025129317

Abstract

Di era digital, aplikasi Financial Technology (Fintech) telah menjadi bagian penting dalam kehidupan sehari-hari masyarakat. Kemudahan dan efisiensi yang ditawarkan oleh aplikasi Fintech menarik jutaan pengguna, yang aktif memberikan umpan balik dan ulasan di platform seperti Google Play Store. Ulasan ini menjadi sumber informasi berharga bagi pengembang untuk memahami persepsi pengguna, mengidentifikasi masalah, dan meningkatkan kualitas layanan. Penelitian ini bertujuan mengevaluasi efektivitas algoritma Particle Swarm Optimization (PSO) dalam meningkatkan akurasi analisis sentimen pada algoritma Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Data ulasan dikumpulkan melalui web scraping dari komentar di Google Play untuk tiga aplikasi Fintech, yaitu Flip, Neobank, dan Bank Jago. Tahapan pemrosesan meliputi pelabelan, preprocessing untuk membersihkan data, dan pembobotan kata menggunakan metode TF-IDF (Term Frequency-Inverse Document Frequency). Teknik Random Oversampling diterapkan untuk mengatasi ketidakseimbangan kelas dalam dataset. Hasil penelitian menunjukkan bahwa optimasi parameter dengan PSO mampu meningkatkan kinerja analisis sentimen, dengan peningkatan rata-rata sebesar 11,33% untuk setiap aplikasi. PSO juga meningkatkan akurasi model dalam menghadapi tantangan data tidak seimbang, memberikan wawasan yang lebih dalam bagi pengembang aplikasi untuk meningkatkan layanan.   Abstract Financial technology (Fintech) applications have become part of people's daily lives in the digital era. The convenience and efficiency offered by Fintech applications have attracted millions of users, who actively provide feedback and reviews on platforms such as the Google Play Store. These reviews are an important source of information for application developers to understand user perceptions, identify problems, and improve service quality. The study investigates the effectiveness of the Particle Swarm Optimization (PSO) method for balanced and unbalanced datasets and how well it improves sentiment analysis accuracy when applied to the Support Vector Machine (SVM) algorithm when using Radial Basis Function (RBF) kernel. We conducted web scraping to collect user review data from Google Play for three FinTech applications: Flip, Neobank, and Bank Jago as research objects. Following data collection, the review data underwent preprocessing steps, such as word weighting using the TF-IDF (Term Frequency-Inverse Document Frequency), labeling, and preprocessing to clean the data. Random Oversampling resolved the dataset's class imbalance, making all classes representative in the study. The results of this study indicate that parameter optimization with PSO can improve the performance of sentiment analysis on the subjects studied. Furthermore, based on the results of SVM testing using parameter optimization of the PSO algorithm, an average performance increase of 11.33% was obtained for each application that had been analyzed. The results also show that PSO improves model accuracy in sentiment analysis with imbalanced data challenges, providing deeper insights for application developers to improve services.
Pengembangan Media Pembelajaran Etnomatematika Candi Prambanan Berbasis Augmented Reality untuk Materi Geometri Khoirul Umri, Buyut; Zaid Rahman, Ahmad; Nur Aini, Afifah
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.2025129330

Abstract

Pembelajaran matematika adalah materi yang sudah dipelajari sejak sekolah dasar bahkan hingga level perguruan tinggi. Karena dekatnya matematika dengan kehidupan kita, ada sebuah konsep yaitu etnomatematika dimana pembelajaran matematika digabungkan dengan unsur budaya seperti bentuk-bentuk geometri yang bisa kita temukan di lokasi-lokasi budaya salah satunya Candi Prambanan. Hal ini membuka peluang bahwa penerapan etnomatematika Candi Prambanan dapat mempermudah proses belajar geometri. Media pembelajaran berupa Augmented Reality memiliki potensi untuk meningkatkan proses belajar menjadi lebih interaktif dimana siswa harus berpartisipasi jalannya materi serta media lama yang awalnya hanya gambar atau teks dapat diatasi dengan visualisasi dan ilustrasi. Dari uraian diatas dapat diketahui tujuan dari penelitian ini yaitu melibatkan unsur budaya yang saat ini mulai dilupakan, diterapkan pembelajaran etnomatematika. Kedua yaitu mengatasi media sebelumnya yang hanya berupa teks dan gambar pada buku, dengan teknologi Augmented Reality yang dapat memvisualisasikan dan mengilustrasikan objek geometri dalam bentuk 3D. Metode penelitian yang akan digunakan yaitu metode Waterfall. Hasil yang akan diciptakan yaitu berupa aplikasi media pembelajaran Augmented Reality pada android yang didalamnya akan mempelajari mengenai matematika materi geometri pada siswa SMP serta dilengkapi dengan kuis dan game sederhana yang interaktif. Hasil penelitian yang dilakukan mendapatkan yaitu uji aspek tampilan dan animasi dengan hasil perhitungan skala likert 85,17% tergolong pada kategori sangat baik serta uji aspek kebutuhan materi dengan hasil perhitungan skala likert 87,6% tergolong pada kategori sangat baik.   Abstract Math learning is material that has been studied since elementary school even up to the college level. Because of the closeness of math to our lives, there is a concept, namely ethnomathematics, where math learning is combined with cultural elements such as geometric shapes that we can find in cultural locations, one of which is Prambanan Temple. This opens up opportunities that the application of Prambanan Temple ethnomathematics can facilitate the geometry learning process. Learning media in the form of Augmented Reality has the potential to improve the learning process to be more interactive where students must participate in the course of the material and old media that was originally only images or text can be overcome with visualization and illustration. The research method that will be used is the Waterfall method. The results will be created in the form of Augmented Reality learning media applications on android in which it will learn about mathematics geometry material in junior high school students and equipped with quizzes and simple interactive games. The results of the research conducted get the display and animation aspect test with the results of the Likert scale calculation of 85.17% classified in the very good category and the test aspect of the material needs with the results of the Likert scale calculation of 87.6% classified in the very good category.
Pengaruh Non-Automatic Repeat Request (Arq) Mode Terhadap Packet Error Rate Pada Drone-Based Wireless Sensor Network Rahmadya, Budi; Ampuh Hadiguna, Rika
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.2025129373

Abstract

Penelitian ini membahas tentang performa dari 2.4 GHz Zigbee wireless antenna untuk aplikasi wide-area wireless sensor network. Transmitter antenna di install pada drone sebagai media mobile wireless sensor network dan receiver antenna berada di lokasi tertentu pada lingkungan luar ruangan. Setingan alat untuk transmitter antenna dan receiver antenna yaitu non-Automatic Repeat Request (ARQ) mode sehingga data yang di terima oleh receiver dalam experimen ini nanti bisa menjadi perbandingan dengan hasil perhitungan teoritis menggunakan Matlab. Non-ARQ menjadi alternative untuk mengurangi konsumsi energi pada jaringan wireless sensor network. Dalam experimen ini dilakukan model point-to-point communication. Dari hasil experimen diperoleh jarak 0m-100m nilai dari Packet Error Rate (PER) untuk masing-masing ketinggian drone meningkat mencapai 17-18%. Lebih lanjut pada jarak 100m-150m nilai PER mengalami penurunan yaitu 15-16% untuk tiga ketinggian drone yang berbeda. Mulai dari jarak 150m-250m nilai PER mengalami kenaikan yang siginifikan, hingga mencapai PER 70% untuk ketinggian drone 30m,  PER 80% untuk ketinggian drone 45m dan PER 88% untuk ketinggian drone 15m. Pada jarak 250m-350m nilai PER terlihat masih konstan untuk ketinggian drone 45m dan ketinggian 30m yaitu mencapai nilai PER 78% pada jarak 350m, sedangkan untuk ketinggian drone 15m menunjukan nilai PER naik hingga mencapai 98% pada jarak 350m. Hasil simulasi dengan Matlab menunjukan Received Signal Strength Indicator (RSSI) terhadap jarak transmitter antenna dengan receiver antenna untuk ketinggian transmitter antenna 15m dan receiver antenna 1.5m. nilai RSSI terus meningkat -66 dBm pada jarak 20m dan ini adalah nilai RSSI terbaik. Lebih lanjut untuk ketinggian transmitter antenna 30m dan receiver antenna 1.5m. Nilai RSSI terus meningkat -73 dBm pada jarak 45m dan ini adalah nilai RSSI terbaik. Pada jarak 3m nilai RSSI terus meningkat -76 dBm pada jarak 62m dan ini adalah nilai RSSI terbaik.   Abstract This research discusses the performance of the 2.4 GHz Zigbee wireless antenna for wide-area wireless sensor network applications. The transmitter antenna is installed on the drone as a mobile wireless sensor network medium and the receiver antenna is located in a certain location in the outdoor environment. The device settings for the transmitter antenna and receiver antenna are non-Automatic Repeat Request (ARQ) mode so that the data received by the receiver in this experiment can later be compared with the results of theoretical calculations using Matlab. Non-ARQ is an alternative to reduce energy consumption in wireless sensor networks. In this experiment, a point-to-point communication model was carried out. From the experimental results, it was found that at a distance of 0m-100m, the Packet Error Rate (PER) value for each drone height increased by 17-18%. Furthermore, at a distance of 100m-150m, the PER value experienced a slight decrease, namely 15-16% for three different drone heights. Starting from a distance of 150m-250m, the PER value experiences a significant increase, reaching a PER of 70% for a drone height of 30m, a PER of 80% for a drone height of 45m and a PER of 88% for a drone height of 15m. At a distance of 250m-350m, the PER value appears to remain constant for a drone height of 45m and a height of 30m, namely reaching a PER value of 78% at a distance of 350m, while for a drone height of 15m, the PER value increases to reach 98% at a distance of 350m. The simulation results with Matlab show Received Signal Strength Indicator (RSSI) to the distance between the transmitter antenna and the receiver antenna for a transmitter antenna height of 15m and receiver antenna height of 1.5m. The RSSI value continues to increase -66 dBm at a distance of 20m and this is the best RSSI value. Furthermore, the height of the transmitter antenna is 30m and the receiver antenna is 1.5m. The RSSI value continues to increase -73 dBm at a distance of 45m and this is the best RSSI value. At a distance of 3m the RSSI value continues to increase -76 dBm at a distance of 62m and this is the best RSSI value.

Page 119 of 129 | Total Record : 1288

 117   118   119   120   121 

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