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
 121   122   123   124   125 
Perbandingan Complexity Invariant Distance (CID) dan Dynamic Time Warping (DTW) dalam Analisis Klaster Deret Waktu pada Nilai Tukar Petani di Indonesia Fathiyaturrahmi, Laila; Andriano; Almiatus Soleha, Harista; Dwi Prastyo, Dedy
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Analisis klaster yang merupakan bagian dari data mining yang membagi data kedalam beberapa kelompok berdasarkan kedekatan karakteristik tertentu. Konsep utama dalam klaster adalah memaksimalkan kedekatan data di dalam klaster dan meminimalkan kesamaan data antar klaster. Analisis klaster juga bisa digunakan pada berbagai jenis data termasuk data deret waktu.  Pengukuran kesamaan menjadi hal yang utama pada analisis klaster. Metode yang bisa digunakan dalam pengukuran jarak yaitu Complexity Invariant Distance (CID) dan Dynamic Time Warping (DTW). Analisis pengukuran jarak CID dan DTW dapat digunakan pada pengelompokkan data deret waktu salah satunya pada data Nilai Tukar Petani (NTP). NTP dapat menggambarkan daya beli petani karena diperoleh dari perbandingan indeks harga yang diterima petani dibandingkan dengan yang harus dibayarnya, atau dapat dinyatakan sebagai kemampuan petani dalam memnuhi kebutuhan sehari-hari dari hasil pertanian. Sehingga dilakukan analisis untuk membandingkan metode pengukuran jarak CID dan DTW pada klastering data deret waktu pada nilai tukar petani pada 34 Provinsi di Indonesia. Hasil analisis yang diakukan menunjukkan klaster terbaik adalah pengklasteran dengan banyak klaster dua (k=2) menggunakan ukuran jarak CID terlihat dari nilai silhouette 0.8776 yang lebih tinggi dibandingkan klaster lain. Dimana klaster satu terdiri dari 25 Provinsi dan klaster dua terdiri dari 9 Provinsi.   Abstract Cluster analysis is a part of data mining which divides data into several groups based on the proximity of certain characteristics. The main concept in clusters is to maximize data similarity within clusters and minimize data similarity between clusters. Cluster analysis can also be used on various types of data, including time series data. Measuring similarity is the main thing in cluster analysis. The methods that can be used to measure distance are Complexity Invariant Distance (CID) and Dynamic Time Warping (DTW). CID and DTW distance measurement analysis can be used to group time series data, one of which is Farmer’s Terms of Trade (NTP) data. The farmer's terms of trade is a ratio between the price index received by farmers and the price index paid by farmers. In general, it can be interpreted as the farmer's ability to meet their daily needs through agricultural products. So an analysis was carried out to compare the CID and DTW distance measurement methods in clustering time series data on farmer’s terms of trade according to 34 provinces in Indonesia. The results of this analysis show that the best cluster is clustering with two clusters (k=2) using the CID distance measure because it has the highest silhouette coefficient value, namely 0.8776. Where cluster one consists of 25 provinces and cluster two consists of 9 provinces.
Pengembangan Aplikasi Rekomendasi Berbasis Mobile Pada Destinasi Wisata Di Sekitar Danau Toba Menggunakan Metode Moora Dengan Pembobotan ROC Chandra, Rudy; Pasaribu, Monalisa; Arifin Prasetyo, Tegar; Henry Agus Panjaitan, Goklas; Emy Sonia Sinambela; Suandika Napitupulu; Anastasia Marsada Uli Simamora
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Danau Toba merupakan destinasi wisata unggulan di Sumatera Utara yang memiliki potensi wisata alam, wisata buatan, dan budaya Batak. Namun, wisatawan seringkali membutuhkan rekomendasi wisata yang sesuai dengan kriteria keinginan mereka. Untuk mengatasi masalah ini, aplikasi rekomendasi destinasi wisata di sekitar Danau Toba dikembangkan menggunakan metode Multi-Objective Optimization on the basis of Ratio Analysis (MOORA) dengan pembobotan Rank Order Centroid (ROC). Aplikasi rekomendasi wisata dirancang untuk mempermudah para wisatawan untuk mencari destinasi wisata yang menarik sesuai keinginannya. Aplikasi akan memberikan rekomendasi wisata yang optimal berdasarkan kriteria yang telah ditentukan, yaitu jenis wisata, wilayah, rating, harga tiket, hari operasional, dan jam operasional. Jumlah data pada aplikasi rekomendasi wisata menggunakan 123 objek wisata. Hasil aplikasi yang dibangun berupa pengembangan aplikasi rekomendasi wisata berbasis mobile dengan menggunakan API, PHP dan teknologi multi-platform yaitu Flutter. Pengujian aplikasi melibatkan beberapa pengujian, termasuk system testing, user testing, dan pengujian akurasi pengelolaan data. Hasil system testing menunjukkan bahwa aplikasi beroperasi dengan stabil tanpa error dan semua fungsi berjalan sesuai yang diharapkan. User testing dilakukan dengan menyebarkan kuesioner kepada 625 responden yang telah menggunakan aplikasi tersebut, terdiri dari masyarakat domisili Sumatera Utara sebanyak 144 orang (69,2%) dan luar Sumatera Utara sebanyak 65 orang (30,8%). Sebanyak 94,2% responden menyatakan bahwa aplikasi mudah digunakan, 94,1% merasa fungsi rekomendasi sesuai dengan kebutuhan, 83,2% menganggap desain tampilan menarik, 95,5% menyatakan informasi pada setiap destinasi wisata sudah jelas, 94,7% pengguna dari luar dan dalam Sumatera Utara dapat memahami alur aplikasi, dan 94,4% berencana menggunakan aplikasi ini sebagai panduan untuk mengunjungi destinasi wisata di Sumatera Utara. Hasil pengujian akurasi pengelolaan data menunjukkan kecocokan yang tinggi antara hasil perhitungan manual dan implementasi sistem dalam menambah, mengubah, dan menghapus data wisata. Aplikasi rekomendasi ini memiliki keunggulan yang mampu menekankan wisata disekitar Danau Toba sehingga potensi dan kearifan lokalnya dapat terlihat lebih menarik bagi pengunjung baru.   Abstract Lake Toba is a premier tourist destination in North Sumatra, renowned for its natural beauty, artificial attractions, and rich Batak culture. However, tourists often seek recommendations that align with their preferences. To address this need, a tourist destination recommendation application for the Lake Toba area has been developed using the Multi-Objective Optimization based on the Ratio Analysis (MOORA) method, incorporating Rank Order Centroid (ROC) weighting. This application aims to simplify the process for tourists to find appealing destinations based on their criteria. It provides optimal recommendations according to various factors, including type of tourism, region, ratings, ticket prices, operational days, and hours. The application features data on 123 tourist attractions. The resulting application is a mobile-based platform developed using API, PHP, and cross-platform technology, specifically Flutter. Thorough testing has been conducted, including system testing, user testing, and data management accuracy testing. The system testing revealed that the application operates smoothly without errors and that all functionalities perform as intended. User testing involved distributing questionnaires to 625 respondents who had used the application, comprising 144 individuals from North Sumatra (69.2%) and 65 from outside the region (30.8%). The feedback was overwhelmingly positive, with 94.2% of respondents finding the application easy to use, 94.1% satisfied that the recommendations met their needs, 83.2% deeming the design attractive, and 95.5% confirming that the information about each tourist destination was clear. Furthermore, 94.7% of users, both from within and outside North Sumatra, reported understanding the application flow, and 94.4% expressed their intention to use the app as a guide for visiting tourist sites in North Sumatra. The data management accuracy test indicated a strong correlation between manual calculations and the application's data handling capabilities for adding, modifying, and deleting tourism data. This recommendation application highlights tourism around Lake Toba, making its potential and local wisdom more appealing to new visitors.
Pengembangan Sistem Pemantauan Dan Pengendalian Daya Listrik Penyewa Kos Berbasis Lora Dengan Integrasi Android Putri, Khomala Ernia; Yenniwarti Rafsyam; Benny Nixon; Putri, Khomala; Molliyana Tota Angelica; Rifqi Fuadi Hasani; Shita Fitria Nurjihan; Irwan Prasetya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Pengelolaan daya listrik di kamar kos sering kali menimbulkan ketidakadilan karena biaya listrik disamaratakan, meski pemakaian berbeda. Untuk mengatasi masalah ini, dirancang sebuah sistem pemantauan daya listrik dengan teknologi LoRa. Sistem ini memanfaatkan mikrokontroler ESP32, sensor PZEM-004T, LoRa, dan Arduino IDE. Data penggunaan daya listrik yang dikumpulkan oleh sensor dikirim ke pemilik kos melalui jaringan LoRa. Data penggunaan daya listrik dikirim melalui jaringan LoRa hingga 150 meter (RSSI -107 dBm) dalam kondisi NON-LOS dan 600 meter (RSSI -111 dBm) dalam kondisi LOS, kemudian diintegrasikan ke aplikasi Android untuk pengelolaan dan pemantauan daya listrik. Hasil pengujian menunjukkan akurasi 99%, menjadikan sistem ini solusi efektif dan efisien untuk pengelolaan daya listrik di kamar kos.   Abstract Electricity management in boarding rooms is often unfair because electricity costs are shared equally, even though each room uses different amounts of electricity. To address this issue, an electricity monitoring system was developed using LoRa technology. The system uses an ESP32 microcontroller, a PZEM-004T sensor, LoRa, and Arduino IDE. The sensor collects electricity usage data and sends it to the landlord via the LoRa network. This data can be transmitted up to 150 meters (RSSI -107 dBm) in NON-LOS conditions and 600 meters (RSSI -111 dBm) in LOS conditions. The system is also integrated with an Android application for easier management and monitoring. Testing results show an accuracy of 99%, making this system an effective and efficient solution for managing electricity in boarding rooms.
Clustering Stok Material Di Pdam Kota Makassar Wilayah Pelayanan Vi Menggunakan Algoritma K-Means Zain, Satria Gunawan; Tahir, Renisa Amalia; Risal, Andi Akram Nur
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Perusahaan Daerah Air Minum (PDAM) Kota Makassar Wilayah Pelayanan VI mengalami kesulitan dalam memanajemen stok materialnya terutama dalam hal pengelompokan material berdasarkan rendah atau tingginya penggunaan material. Hal tersebut mengakibatkan seringnya terjadi kekurangan dan kelebihan stok yang dapat menghambat kegiatan dan meningkatkan biaya operasional di PDAM. Oleh karena itu, diterapkan metode clustering menggunakan algoritma k-means untuk mengelompokkan jenis material berdasarkan tingkat penggunaannya. Penelitian ini bertujuan membantu PDAM dalam mengelola stok material dengan lebih baik dengan mengidentifikasi tingkat kebutuhan berdasarkan pola penggunaan sebelumnya. Penelitian ini meliputi tahap identifikasi masalah, pengumpulan data, preprocessing data mencakup data selection, data reduction dan data integration, data transformation, dan standarisasi data, penerapan algoritma clustering, evaluasi hasil clustering, dan visualisasi hasil clustering. Hasil clustering menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah 2, yaitu Cluster_0 (penggunaan rendah) dengan 123 jenis material dan Cluster_1 (penggunaan tinggi) dengan 2 jenis material. Kualitas cluster berdasarkan nilai silhouette menunjukkan hasil yang cukup baik dimana Cluster_0 sebesar 0.939 dan Cluster_1 sebesar 0.816, dan nilai silhouette score yaitu 0.937. Hasil clustering sebagai rekomendasi dalam menentukan kebutuhan stok material di masa depan sehingga dapat meningkatkan efisiensi pengelolaan stok material di PDAM Kota Makassar Wilayah Pelayanan VI.   Abstract Regional Drinking Water Company (PDAM) Makassar City Service Region VI has difficulty managing its material stock, especially in grouping materials based on low or high material usage. This results in frequent shortages and excess stock, which can hamper activities and increase operational costs at the PDAM. Therefore, a clustering method using the k-means algorithm is applied to group material types based on their level of use. This research aims to assist the PDAM in managing material stocks better by identifying the level of need based on previous usage patterns. This research includes problem identification, data collection, data preprocessing, data selection, data reduction and integration, data transformation, data standardization, the application of clustering algorithms, evaluation of clustering results, and visualization of clustering results. The clustering results show that the optimal number of clusters obtained is 2, namely Cluster_0 (low usage) with 123 types of materials and Cluster_1 (high usage) with two types of materials. Cluster Quality Based on the silhouette value shows quite good results where Cluster_0 is 0.939, Cluster_1 is 0.816, and the silhouette score is 0.937. The clustering results are a recommendation for determining future material stock needs to improve the efficiency of material stock management at PDAM Makassar City Service Area VI.
Prediksi Resiko Kematian Penderita Gagal Ginjal KronisDengan Voting Classifier Dan Random Forest Pada Data Tidak Seimbang Amaliana, Luthfatul; Ani Budi Astuti; Rossanda Sevia Gadis; Naurah Atikah Rabbani; Nabila Ayunda Sovia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Gagal ginjal kronis merupakan salah satu penyakit serius yang dapat menyebabkan kematian jika tidak terdeteksi dan ditangani secara dini. Penelitian ini bertujuan memprediksi risiko kematian pada pasien gagal ginjal kronis menggunakan metode ensemble learning, yaitu random forest dan voting classifier (hard voting dan soft voting). Voting classifier digunakan untuk menggabungkan prediksi dari beberapa model klasifikasi tunggal, di mana hard voting mengambil keputusan berdasarkan suara terbanyak, sedangkan soft voting mempertimbangkan rata-rata probabilitas prediksi. Data yang digunakan pada penelitian ini merupakan data sekunder dari RSUD Dr. Saiful Anwar, Kota Malang. Proporsi pasien rawat inap yang pulang dalam kondisi meninggal lebih kecil dibanding kondisi tidak meninggal. Kondisi data tidak seimbang ini menyebabkan model cenderung bias terhadap kelas mayoritas. Untuk mengatasi hal tersebut, synthetic minority over-sampling technique (SMOTE) diterapkan guna menyeimbangkan distribusi kelas. Selain itu, random forest dipilih karena kemampuannya dalam menangani ketidakimbangan data melalui pembobotan pada pohon-pohon keputusan, sehingga mengurangi bias terhadap kelas mayoritas. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, dan recall. Hasil evaluasi menunjukkan bahwa random forest memberikan kinerja terbaik dengan akurasi 77%, presisi 36%, dan recall 60%, mengungguli hard voting dan soft voting. Penggunaan random forest dan SMOTE terbukti meningkatkan prediksi pada kelas minoritas, yang sangat penting dalam mendeteksi pasien berisiko kematian tinggi. Pendekatan ini dapat membantu dalam deteksi dini dan pengelolaan yang lebih baik terhadap pasien gagal ginjal kronis, sehingga berpotensi menurunkan angka kematian akibat penyakit ini.   Abstract Chronic kidney disease (CKD) is a life-threatening condition that can lead to fatal outcomes if not diagnosed and treated promptly. This study aims to forecast mortality risk in CKD patients using ensemble learning techniques, including random forest an d voting classifier (hard voting and soft voting). The voting classifier combines predictions from various single classification models, with hard voting selecting outcomes based on majority decisions, while soft voting averages prediction probabilities. The data used in this study is secondary data from RSUD Dr. Saiful Anwar, Malang City. The proportion of hospitalized patients who were discharged in a deceased condition is smaller than those who were discharged alive. This imbalance in the data causes the model to be biased toward the majority class. However, models tend to favor the majority class when dealing with imbalanced data. To mitigate this, the synthetic minority over-sampling technique (SMOTE) was applied to balance the class distribution. Random forest was also selected for its ability to manage data imbalance through weighted decision trees, reducing bias toward the majority class. Model performance was evaluated using metrics such as accuracy, precision, and recall. Results indicated that random forest outperformed hard voting and soft voting, achieving 77% accuracy, 36% precision, and 60% recall. The combination of random forest and SMOTE significantly enhanced the prediction of minority class outcomes, which is essential for identifying high-risk patients. This method has the potential to support early detection and improved management of CKD patients, thus reducing mortality rates associated with the disease.
Analisis Sentimen Berbasis Aspek Pada Aplikasi Elektronik Survei Kepuasan Masyarakat (E-SKM) Jawa Tengah Menggunakan Indobert Labib Mustofa, Refo; Labib Mustofa, Tarno; Edi Widodo, Catur
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Perkembangan tentang Natural Language Processing (NLP) semakin berkembang dengan pesat, salah satunya yaitu dalam bidang analisis sentimen. Dalam dunia bisnis, analisis sentimen sangat diperlukan untuk mengetahui dan memahami persepsi pelanggan terhadap produk yang telah didapatkan dari perusahaan. Hal yang sama juga berlaku pada sektor pemerintahan. Pemerintah sebagai penyelenggara pelayanan publik harus dapat mengetahui persepsi dari pengguna layanan terhadap penyelenggaraan pelayanan publik tersebut sebagai bahan perbaikan kualitas layanan. Aplikasi E-SKM merupakan aplikasi milik Pemerintah Provinsi Jawa Tengah yang saat ini hanya mengolah nilai survei layanan meliputi sembilan aspek pertanyaan, sedangkan data saran/masukan pada aplikasi ini belum dimanfaatkan lebih lanjut. Pada penelitian ini, dilakukan analisis sentimen pada data saran/masukan tersebut untuk menggali informasi tambahan yang dapat meningkatkan pemahaman pemerintah terhadap kepuasan pengguna layanan. Metode yang diusulkan yaitu menggunakan pendekatan analisis sentimen berbasis aspek menggunakan model IndoBERT. Pendekatan berbasis aspek ditujukan agar dapat diketahui aspek apa saja yang paling banyak dibicarakan oleh pengguna layanan, terutama yang berhubungan dengan sembilan aspek pertanyaan tersebut. Pada penelitian ini juga digunakan kamus leksikon sebagai pelabelan data, kemudian pendekatan berbasis aturan (rule-based) digunakan dalam proses klasifikasi aspek yang berkaitan dengan sembilan aspek pertanyaan. Selain itu, penelitian ini bertujuan untuk mengukur kemampuan model IndoBERT dalam proses klasifikasi sentimen dengan beberapa skenario yang berbeda. Dari hasil analisis, model evaluasi IndoBERT berjalan dengan baik. Hal ini dilihat dari nilai rata-rata parameter evaluasi seperti akurasi, precision, recall, dan f1-score mencapai 95%. Penerapan model ini memiliki kontribusi pada data aplikasi E-SKM untuk mendapatkan informasi sentimen dan aspek pada data pelayanan publik di pemerintahan yang dapat digunakan sebagai bahan pengambilan keputusan pada level manajemen kebijakan.   Abstract The field of Natural Language Processing (NLP) is rapidly advancing, particularly in sentiment analysis. In the business world, sentiment analysis is essential for understanding customer perceptions of products they have received from a company. The same applies to the government sector, where it is crucial for public service providers to gain insight into user perceptions of public services as a basis for service improvement. The E-SKM application, owned by the Central Java provincial government, currently processes only service survey scores covering nine question aspects, while suggestions/feedback data from this application have not yet been fully utilized. In this study, sentiment analysis was conducted on the suggestion/feedback data to extract additional insights that could improve understanding of user satisfaction. The proposed method involves an aspect-based sentiment analysis approach using the IndoBERT model. This aspect-based approach aims to identify the aspects most frequently mentioned by service users, particularly those related to the nine survey aspects. A lexicon-based approach was used for data labeling, followed by a rule-based approach for classifying aspects associated with the nine questions. Additionally, this study aims to assess the performance of the IndoBERT model in sentiment classification across several scenarios. Evaluation results indicate that IndoBERT performs well, with average metrics such as accuracy, precision, recall, and F1-score reaching 95%. The implementation of this model contributes to the E-SKM application data by providing sentiment and aspect information on public service data within the government, which can be used as a basis for decision-making at the policy management level.
Analisis Sentimen Terhadap Pendapat Masyarakat Mengenai Pilkada 2024 Menggunakan Metode Support Vector Machine Bayu Satriawan, Eka; Satriawan, Eka Bayu; Wijoyo, Satrio Hadi; Ratnawati, Dian Eka
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Pemilihan Kepada Daerah dan Wakil Kepala Daerah, atau yang lebih dikenal sebagai Pilkada, merupakan pemilihan umum di Indonesia yang dilakukan secara langsung oleh masyarakat yang telah memenuhi ketentuan peraturan perundang-undangan. Twitter/X sebagai platform media sosial yang penting dalam komunikasi digital di Indonesia, menjadi tempat bagi masyarakat untuk menyuarakan pendapat mereka, termasuk pendapat mengenai pilkada. Tujuan penelitian ini adalah menganalisis sentimen masyarakat terhadap Pilkada melalui data yang dikumpulkan dari Twitter/X, serta memberikan wawasan berharga bagi pembuat kebijakan dan pemangku kepentingan dalam merespons aspirasi masyarakat. Analisis sentimen ini diharapkan dapat membantu memahami persepsi publik serta meningkatkan partisipasi dan kepercayaan masyarakat terhadap proses demokrasi. Penelitian ini dimulai dengan pengumpulan data dari Twitter/X. Proses berikutnya melibatkan enam tahap pre-processing, seperti case folding, pembersihan data, tokenizing, slang normalization, stemming, dan filtering. Metode klasifikasi menggunakan Support Vector Machine (SVM) dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan menerapkan teknik oversampling dengan SMOTE untuk menyeimbangkan data. Hasil pengujian SVM berhasil mendapatkan performa tinggi dengan tingkat akurasi sekitar 93,09%, precision sekitar 93,13%, recall sekitar 93,09%, dan f1-score sekitar 93,08%. Analisis menggunakan Root Cause Analysis (RCA) terhadap empat aspek utama: kandidat, kebijakan dan regulasi, proses Pilkada, serta partai politik. Hasil analisis mengungkapkan sumber ketidakpuasan masyarakat terkait Pilkada, termasuk kekhawatiran akan kurangnya pengalaman kandidat, perubahan undang-undang yang dianggap tidak transparan, kelemahan dalam verifikasi identitas pemilih selama proses Pilkada, serta tuntutan untuk peningkatan komunikasi dan kinerja partai politik.   Abstract The election of Regional Heads and Deputy Regional Heads, commonly known as Pilkada, is a general election in Indonesia conducted directly by citizens who meet the legal requirements. Twitter/X, as a prominent social media platform in Indonesia's digital communication landscape, serves as a platform for the public to express their opinions, including those about Pilkada. The aim of this study is to analyze public sentiment towards Pilkada using data collected from Twitter/X to provide valuable insights for policymakers and stakeholders in responding to public aspirations. This sentiment analysis is expected to help understand public perceptions and enhance participation and trust in the democratic process. The research begins with data collection from Twitter/X, followed by six pre-processing stages: case folding, data cleaning, tokenizing, slang normalization, stemming, and filtering. The classification method utilizes Support Vector Machine (SVM) and word weighting through Term Frequency-Inverse Document Frequency (TF-IDF), with oversampling techniques using SMOTE to balance the data. The SVM testing results achieved high performance with an accuracy rate of approximately 93,09%, precision of 93,13%, recall of 93,09%, and an f1-score of 93,08%. An analysis using Root Cause Analysis (RCA) was conducted on four key aspects: candidates, policies and regulations, the Pilkada process, and political parties. The analysis revealed sources of public dissatisfaction related to Pilkada, including concerns over candidates' lack of experience, perceived opacity in legislative changes, weaknesses in voter identity verification during the Pilkada process, and demands for improved communication and performance from political parties.  
Analisis Perbandingan Model Machine Learning Tree-Based dan Non-Tree-Based untuk Tugas Klasifikasi Hilmi, Fadhilah; Taqiyassar, Kenzie; Pratama, Naufal Romero Putra; Kusuma, Satrio Condro; Nurwachid, Hafiz Rizky; Fatyanosa, Tirana Noor
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Penelitian ini membahas perbandingan performa model machine learning berbasis pohon keputusan (Tree-Based) dan non-pohon keputusan (Non-Tree-Based) dalam tugas klasifikasi. Model Tree-based yang diuji meliputi LightGBM, CatBoost, XGBoost, dan Random Forest, sedangkan model Non-tree-based meliputi SVM, KNN, dan GaussianNB. Evaluasi dilakukan pada tiga dataset berbeda, yaitu Spaceship Titanic, Horse Health, dan Keep It Dry. Metrik yang digunakan untuk mengevaluasi performa model adalah AUC-ROC, akurasi, dan F1-score Micro. Hasil penelitian menunjukkan bahwa model berbasis pohon keputusan seperti CatBoost dan LightGBM umumnya memberikan performa yang lebih baik dibandingkan dengan model non-pohon keputusan. CatBoost khususnya menunjukkan hasil terbaik dalam hal akurasi, AUC-ROC, dan F1-score Micro di sebagian besar dataset yang diuji. Selain itu, penelitian ini juga menyoroti pentingnya pemilihan model yang tepat berdasarkan karakteristik dataset yang digunakan. Faktor-faktor seperti kompleksitas data, jumlah fitur, dan distribusi kelas sangat mempengaruhi hasil akhir dari setiap model yang diterapkan. Dengan demikian, temuan ini dapat membantu praktisi machine learning dalam memilih model yang paling sesuai untuk tugas klasifikasi tertentu.   Abstract This study discusses the performance comparison of tree-based and non-tree-based machine learning models for classification tasks. The Tree-based models tested include LightGBM, CatBoost, XGBoost, and Random Forest, while the Non-tree-based models include SVM, KNN, and GaussianNB. The evaluation was conducted on three different datasets, namely Spaceship Titanic, Horse Health, and Keep It Dry. The metrics used to evaluate model performance are AUC-ROC, accuracy, and F1-score Micro. The results show that tree-based models such as CatBoost and LightGBM generally provide better performance compared to non-tree-based models. CatBoost, in particular, showed the best results in terms of accuracy, AUC-ROC, and F1-score Micro in most of the datasets tested. Additionally, this study highlights the importance of selecting the appropriate model based on the characteristics of the datasets used. Factors such as data complexity, number of features, and class distribution significantly affect the final results of each applied model. Thus, these findings can assist machine learning practitioners in choosing the most suitable model for specific classification tasks.
Implementasi Time-Based One-Time Password Menggunakan Algoritma Photon Untuk Autentikasi Dua Faktor Yahya, Amry; Kusyanti, Ari; Trisnawan, Primantara Hari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Di era digital yang makin maju, perlindungan terhadap data sensitif menjadi sangat penting. Two-factor Authentication (2FA) atau autentikasi dua faktor adalah metode keamanan yang efektif untuk memastikan bahwa hanya pengguna sah yang dapat mengakses data atau sistem sensitif dengan mengharuskan pengguna untuk memberikan dua bentuk identifikasi yang berbeda. Salah satu metode 2FA yang banyak digunakan adalah Time-based One-Time Password (TOTP) yang menggunakan algoritma Hash-based Message Authentication (HMAC) dengan fungsi hash SHA-1. Namun, fungsi SHA-1 diketahui memiliki kelemahan keamanan. Penelitian ini bertujuan untuk meningkatkan keamanan TOTP dengan mengimplementasikan fungsi hash PHOTON, algoritma hash ringan yang dirancang dengan keamanan yang baik dan penggunaan sumber daya komputasi yang efisien. Metodologi penelitian ini melibatkan pengembangan dan pengujian sistem autentikasi dua faktor berbasis TOTP dengan algoritma HMAC yang menggunakan fungsi hash PHOTON. Hasil penelitian menunjukkan bahwa sistem mampu bertahan dari brute-force attack dan birthday attack. Selain itu, fungsi TOTP yang menerapkan PHOTON memiliki waktu eksekusi yang lebih cepat dari SHA-1 dan SHA-2.   Abstract In the increasingly advanced digital era, protection of sensitive data is very important. Two-factor Authentication (2FA) is an effective security method to ensure that only authorized users can access sensitive data or systems by requiring users to provide two different forms of identification. One of the widely used 2FA methods is Time-based One-Time Password (TOTP) which uses the Hash-based Message Authentication (HMAC) algorithm with the SHA-1 hash function. However, the SHA-1 function is known to have security weaknesses. This study aims to improve the security of TOTP by implementing the PHOTON hash function, a lightweight hash algorithm designed with good security and efficient use of computing resources. The research methodology involves the development and testing of a TOTP-based two-factor authentication system with the HMAC algorithm using the PHOTON hash function. The results of the study show that the system is able to withstand brute-force attacks and birthday attacks. In addition, the TOTP function implementing PHOTON has a faster execution time than SHA-1 and SHA-2.
Perbandingan ANN, Random Forest, dan XGBoost dalam Klasifikasi Antibiotik dengan Penerapan metode Sampling Saputra Rusdi, Edy; RUSDI, EDY SAPUTRA; Siddik, A. Muh. Amil; Aris, Naimah; Ardiansyah Asrifah, Muhammad; Syahrir, Nur Hilal A.; Rangkuti, Aidawayati; Rusdi, Wahyudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Banyak obat potensial telah ditemukan dari produk alami laut (Marine Natural Product). Hal ini menunjukkan bahwa senyawa laut merupakan sumber penting dalam pengembangan dan penemuan obat. Meskipun banyak senyawa laut yang menunjukkan aktivitas biologis tertentu, hanya sedikit yang tercatat sebagai senyawa antibakteri. Oleh karena itu, menemukan senyawa yang berpotensi sebagai senyawa antibakteri dari organisme laut masih menjadi tantangan. Tujuan dari penelitian ini adalah untuk memanfaatkan pendekatan komputasi untuk menemukan senyawa antibakteri dari produk alami laut yang berpotensi menjadi obat. Penelitian ini berfokus pada penggunaan model Artificial Neural Network (ANN), Random Forest, dan XGBoost untuk melakukan klasifikasi berdasarkan kemiripan kimiawi antara senyawa produk alami laut di Indonesia dengan senyawa antibakteri. Untuk mengatasi ketidakseimbangan data, digunakan teknik resampling berupa SMOTE dan undersampling (US). Hasil penelitian menunjukkan bahwa akurasi XGBoost + SMOTE memiliki nilai yang paling tinggi, yaitu 98.89%, mengungguli model ANN 97.57%, Random Forest  (RF) 97.06%, serta model dengan resampling lain seperti ANN+SMOTE 98.67% dan RF + SMOTE 98.59%. Sementara itu, penerapan teknik undersampling menyebabkan penurunan akurasi secara signifikan, di mana XGBoost + US, RF + US, dan ANN + US masing-masing hanya mencapai 91.12%, 91.59%, dan 87.85%. Dari 73 senyawa biota laut, hanya senyawa yang memiliki CID 101767277 yang diprediksi sebagai senyawa yang potensial sebagai antibakteri.   Abstract Many potential drugs have been discovered from marine natural products. This suggests that marine compounds are essential in drug development and discovery. Although many marine compounds exhibit certain biological activities, only a few have been recorded as antibacterial compounds. Therefore, finding compounds with potential as antibacterial compounds from marine organisms remains a challenge. This paper aims to utilize computational approaches to discover antibacterial compounds from marine natural products that have the potential to become drugs. This research focuses on the use of Artificial Neural Network (ANN), Random Forest (RF), and XGBoost models to perform classification based on chemical similarity between compounds of marine natural products in Indonesia and antibacterial compounds. To overcome data imbalance, resampling techniques such as SMOTE and undersampling (US) were used. The results showed that the accuracy of XGBoost + SMOTE has the highest value, which is 98.89%, outperforming the ANN model 97.57%, Random Forest (RF) 97.06%, as well as models with other resampling such as ANN+SMOTE 98.67% and RF + SMOTE 98.59%. Meanwhile, the application of undersampling techniques caused a significant decrease in accuracy, where XGBoost + US, RF + US, and ANN + US only reached 91.12%, 91.59%, and 87.85%, respectively. Of the 73 marine biota compounds, only compounds that have CID 101767277 are predicted as potential antibacterial compounds.

Page 123 of 129 | Total Record : 1288

 121   122   123   124   125 

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 (2015) Vol 2 No 2: Oktober 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