cover
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
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.
Articles 1,288 Documents
Penentuan Upah Minimum Kota Berdasarkan Tingkat Inflasi Menggunakan Backpropagation Neural Network (BPNN) Yohannes, Ervin; Mahmudy, Wayan Firdaus; Rahmi, Asyrofa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (913.176 KB) | DOI: 10.25126/jtiik.201521128

Abstract

Upah Minimum Kota (UMK) adalah sebuah standardisasi upah atau gaji karyawan atau pegawai untuk diterapkan diperusahaan baik itu BUMN, BUMS, maupun perusahaan lain yang berskala besar. Faktor yang mempengaruhi UMK sangat banyak dan beragam salah satunya adalah rata-rata inflasi pengeluaran dimana terdapat 8 kategori yang dipakai. Tulisan ini memaparkan penggunaan Backpropagation Neural Network (BPNN) untuk memprediksi besarnya UMK. Pada tahap uji coba data dibagi menjadi dua bagian yaitu data latih dan data uji, dimana data latih digunakan untuk mencari jumlah iterasi, jumlah hidden layer, dan nilai learning rate yang optimal. Pengujian data latih memberikan hasil yakni jumlah iterasi optimal diperoleh pada saat iterasi 80, sedangkan untuk jumlah hidden layer yang optimal adalah sebanyak satu hidden layer dan untuk nilai learning rate optimal yakni pada saat bernilai 0.8. Semua variabel yang diperoleh dikatakan optimal karena memiliki rata-rata MSE paling kecil dibandingkan dengan data lainnya. Hasil yang diperoleh saat data uji dengan menggunakan iterasi, jumlah hidden layer, dan nilai learning rate yang optimal didapatkan hasil MSE sebesar 0.07280534710552478.
Aplikasi Rumah Pintar (Smart Home) Pengendali Peralatan Elektronik Rumah Tangga Berbasis Web Masykur, Fauzan; Prasetiyowati, Fiqiana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 1: Maret 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1296.838 KB) | DOI: 10.25126/jtiik.201631156

Abstract

AbstrakTeknologi berkembang dengan pesat pada era sekarang, dengan seiring perkembangan teknologi tersebut maka ada dampak yang ditimbulkan. Kontrol peralatan elektronik dapat dilakukan dengan aplikasi rumah pintar (smart home) pengendali peralatan elektronik rumah tangga berbasis web dan dapat di kontrol dengan jarak jauh. Aplikasi rumah pintar (smart home) ini dapat mempermudah pengguna dalam mengontrol peralatan elektronik rumah tangga seperti lampu, AC dan TV sehingga dapat mengurangi adanya pemborosan listrik ketika pengguna lupa untuk mematikan peralatan elektronik rumah tangga ketika keadaan diluar rumah atau dimanapun pengguna berada. Aplikasi ini menggunakan Raspberry Pi yang berfungsi sebagai server  yang akan menghubungkn antara hardware dan software yang dikontrol melalui web sebagai interface yang digunakan pengguna untuk memasukan input dan menghasilkan output. Pembuatan web ini menggunakan sistem operasi Rasbian dimana software yang digunakan adalah PHP5. Fitur yang ada pada web ini adalah berupa 6 tombol, dimana 3 tombol berwarna biru sebagai aturan on dan 3 tombol berwarna merah sebagai aturan off. Kata kunci : Smart Home, Raspberry Pi, PHP5, Web AbstractTechnology is developing rapidly in this era, with the concomitant development of these technologies then no impact. Control electronic equipment can be done with smart home applications (smart home) controlling home electronics is web based and can be controlled remotely. Smart home applications (smart home) can facilitate the user in control of household electronic equipment such as lights, air conditioning and TV so as to reduce the wastage of electricity when the user forgets to turn off household electronic equipment when circumstances outside the home or wherever the user is located. This application uses Raspberry Pi that functions as a server that will menghubungkn between hardware and software that is controlled through a web interface for a user to enter input and produce output. Making the web using the operating system software used Rasbian which is PHP5. The existing features of this web is in the form of six buttons, in which three blue button as rules on and 3 red button as a rule off.Keyword : Smart Home, Raspberry Pi, PHP5, Web
Klasterisasi Customer Lifetime Value dengan Model LRFM menggunakan Algoritma K-Means monalisa, Siti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 2: April 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (218.298 KB) | DOI: 10.25126/jtiik.201852690

Abstract

Penelitian ini bertujuan menghasilkan nilai Customer Lifetime Value (CLV) pada setiap segmen pelanggan dengan menggunakan algoritma K-means dalam melakukan klusterisasi pelanggan. Pembentukan kluster menggunakan metode validasi Dunn Index dan Silhoutte Coefficient dengan nilai 0.84 dan 0.54. Kluster yang dihasilkan berjumlah 3 dengan nilai yang tertinggi pada masing-masing metode validasi. Untuk menghasilkan nilai CLV dengan kluster yang terbaik maka nilai normalisasi LRFM setiap kluster akan dikalikan dengan nilai bobot LRFM dan dijumlahkan. Rangking CLV tertinggi akan dihasilkan dari nilai CLV yang terbesar diantara 3 kluster tersebut. Rangking CLV tertinggi pada penelitian ini berada pada kluster ke 2 dengan simbol LRFM L↑R↓F↑M↑ yang berisi segmen pelanggan yang memiliki nilai loyalitas yang tinggi.
Penentuan Komposisi Bahan Makanan Bagi Penderita Gagal Ginjal Akut Dengan Algoritma Genetika Trisna Lestari, Agnes Rossi; Rofiqoh, Umi; Robbana, Siti; Nurjanah, Winda Estu; Wulandari, Ulfa Lina; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1039.899 KB) | DOI: 10.25126/jtiik.201741231

Abstract

AbstrakPenyakit ginjal merupakan penyakit yang  ganas, dimana jika penanganan yang dilakukan secara tidak tepat, maka akan mempengaruhi kualitas hidup penderitanya. Selain mengandalkan perawatan medis, individu yang menderita penyakit ini harus sadar diri dengan kondisi kesehatannya. Untuk mengatur diet makanannya, penderita memerlukan suatu sistem yang mampu menentukan komposisi bahan makanan bagi penderita penyakit ginjal secara cepat dan tepat. Oleh karena itu penulis memberikan solusi berupa sistem penentuan bahan makanan apa saja yang tepat gizi bagi penderita penyakit ginjal akut menggunakan algoritma genetika, dimana pengodean yang digunakan adalah real code. Nilai Gizi dari makanan diambil dari PUGS (Pedoman Umum Gizi Seimbang) dan ensiklopedi. Algoritma yang digunakan dalam penentuan komposisi bahan makanan bagi penderita gagal ginjal akut ini ialah algoritma genetika, langkahnya meliputi : inisialisasi kromosom dimana setiap kromosom terdapat 5 gen berupa indeks dari bahan makanan, kemudian dilakukan inisialisasi probabilitas crossover dan mutasi untuk proses reproduksi, dilanjutkan dengan evaluasi menggunakan perhitungan fitness yang disesuaikan dengan rumus, dan tahap akhir ialah melakukan seleksi dengan menggunakan elitism selection untuk menghasilkan kandidat bahan makanan baru untuk diproses pada iterasi berikutnya.Kata kunci: komposisi bahan makanan, gagal ginjal akut, algoritma genetikaAbstractKidney disease is a malignant disease, where if the treatment is done incorrectly, the sufferer’s qualitiy of liife can be affected by incorrect treatment. In addition to relying on medical care, individuals who suffer from this disease should be aware of themselves with the condition of his health. To arrange food diet, the patient requires a system that can determine the composition of food for kidney disease quickly and accurately. Therefore, the authors provide a solution with determination system for any food ingredient proper nutrition for patients with chronic kidney disease using genetic algorithms, where the coding used is real code. Nutritional value of food taken from PUGS (General Guidelines Balanced Nutrition) and encyclopedia. The algorithm used in determining the composition of foodstuffs for patients with acute renal failure this is a genetic algorithm, the steps include: initialization chromosome where each chromosome there are five genes in the form of index of groceries, then do the initialization probability of crossover and mutation to the reproductive process, followed by an evaluation using fitness calculations to the formula, and the final stage is to make the selection by using elitism candidate selection to produce new food material to be processed in the next iteration.Keywords: food composition, acute renal failure, genetic algorithm
Pengamanan Citra Digital Berdasarkan Modifikasi Algoritma RC4 Zebua, Taronisokhi; Ndruru, Eferoni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 4: Desember 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (694.928 KB) | DOI: 10.25126/jtiik.201744474

Abstract

AbstrakCitra digital yang bersifat pribadi dan rahasia sangat rentang terhadap penyadapan oleh pihak-pihak lain, terutama bila citra tersebut didistribusikan melalui internet. Tindakan penyadapan dan penyalahgunaan terhadap citra yang sifatnya rahasia tentu saja dapat merugikan pihak pemilik citra. Salah satu teknik untuk meminimalkan tindakan tersebut di atas adalah pemanfaatan teknik kriptografi. Teknik kriptografi dapat mengamankan citra digital dengan cara modifikasi nilai-nilai pixel citra sehingga citra yang dihasilkan berbeda dengan citra asli. Algoritma RC4 dapat digunakan sebagai salah satu algoritma dalam mewujudkan tujuan teknik kriptografi. Namun algoritma ini memiliki kelemahan di mana pemecahan algoritma ini dengan know plaintext attack atau know ciphertext only dapat dilakukan dengan mudah. Penelitian ini menguraikan pengamanan citra digital berdasarkan modifikasi algoritma RC4. Modifikasi yang dilakukan adalah menambahkan sebuah blok intial vector pada proses enkripsi maupun dekripsi serta melakukan pemindahan sejumlah bit pada posisi tertentu. Hasil penelitian ini adalah citra digital dengan nilai-nilai pixel yang jauh berbeda dengan nilai pixel aslinya dengan tujuan dapat mempersulit pihak lain dalam memanipulasi citra rahasia.Kata kunci: kriptografi, citra, algoritma, RC4, cipher aliran.AbstractDigital images of a private and confidential verry extend to wiretapping by other parties, especially when the image is distributed over the internet. The tapping or misuse of the confidential private image of course, harm the image owner. One technique to minimize the above measures is the utilization of cryptographic techniques. Cryptography techniques can secure digital images by modifying the image pixel values so that the resulting image is different from the original image. RC4 algorithm can be used in realizing the purpose of cryptographic technique. But this algorithm has a weakness where the solving of this algorithm with know plaintext attack or know ciphertext only can be done easily. This research describes the security of digital images based on RC4 algorithm modification. The modification is to add a initial vector block in the process of encryption and decryption and shift a number of bits in a certain position. The results of this research is a digital image with pixel values that are much different from the original pixel value to make it difficult for others in manipulating the secret image.Keywords: cryptography, image, algorithm, RC4, stream cipher.
Identifikasi Penyakit pada Daun Tebu dengan Gray Level Co-Occurrence Matrix dan Color Moments Dewi, Ratih Kartika; Ginardi, R.V. Hari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 2: Oktober 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (819.699 KB) | DOI: 10.25126/jtiik.201412114

Abstract

Abstrak Karat dan mosaik adalah penyakit pada tebu yang menyerang tebu di Indonesia dan menimbulkan kerugian. Teknologi informasi untuk deteksi penyakit tebu diperlukan dalam menunjang peningkatan produksi tebu yang dapat menghasilkan panen optimal. Penelitian yang berkembang dalam identifikasi penyakit tanaman melalui identifikasi citra digital daun belum ada yang khusus membahas tebu, tetapi mengenai penyakit tanaman secara umum. Penelitian ini membangun sistem identifikasi penyakit pada daun tebu melalui identifikasi citra digital daun dengan pemilihan fitur tekstur dan warna melalui gray level co-occurrence matrix (GLCM) dan color moments. Tahap awal penelitian adalah pengumpulan data citra daun tebu berpenyakit dari survei lapangan. Tahap selanjutnya adalah pre-processing citra untuk dapat diolah ke tahap selanjutnya yaitu ekstraksi fitur. Ekstraksi fitur tekstur dilakukan dengan gray level co-occurrence matrix (GLCM) dan ekstraksi fitur warna dengan color moments. Klasifikasi dilakukan berdasarkan fitur yang telah diekstraksi sebelumnya. Penelitian ini menggunakan metode klasifikasi support vector machine (SVM). Pengujian dilakukan untuk mengetahui fitur yang kemunculannya menyebabkan perubahan dalam hasil klasifikasi dengan 4 skenario meliputi penghapusan fitur bentuk, pemilihan fitur tekstur, pemilihan fitur warna, dan kombinasi fitur tekstur dan warna. Kombinasi fitur tekstur dengan GLCM correlation, energy,  homogeneity dan variance bersama fitur warna dengan color moments 1,2 dan 3 yang diuji pada skenario 4 merupakan kombinasi fitur yang direkomendasikan untuk identifikasi penyakit pada daun tebu dengan akurasi 97%. Kata kunci: ekstraksi fitur, penyakit tebu, citra daun, GLCM, dan color moments. Abstract Mosaic and rust are sugarcane diseases that happen in Indonesia and has considerable economic impact. Information technology for sugarcane disease detection is useful in supporting optimal sugarcane production. Most of current researches are about plant disease identification in general. There is no specific research about identification of sugarcane disease. This research proposes a sugarcane disease identification from sugarcane leaf image with gray level co-occurrence matrix (GLCM) and color moments. This research begins with collecting data from field survey. After sugarcane leaf images are captured through a field survey, they are pre-processed in order to be used in the features extraction step. Extracted features from these images are texture and color. Texture feature extraction is conducted by GLCM while color feature extraction is conducted by color moments. Classification method which is used in this research is support vector machine (SVM). Test conducted to find distinctive feature that has a significant impact in classification, there are 4 scenario to test the effects in deletion of shape feature, selection of texture and color feature, and also combination of texture and color feature. Texture feature with GLCM correlation, energy,  homogeneity and variance combined with color moments 1, 2 and 3 for color feature extraction in 4th scenario is an appropriate feature for identification of sugarcane leaf disease with 97% classification accuracy. Keywords: feature extraction, sugarcane disease, leaf image, GLCM and color moments.
Integrasi Algoritma K-Means Dengan Bahasa SQL Untuk Klasterisasi IPK Mahasiswa (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya) Arwani, Issa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 2: Oktober 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (927.202 KB) | DOI: 10.25126/jtiik.201522148

Abstract

AbstrakSecara umum, aplikasi klasterisasi diimplementasikan di luar DBMS dengan mengambil data terlebih dahulu dari basisdata untuk disimpan sementara dalam variabel program (misal dalam sebuah array), kemudian baru dilakukan proses klasterisasi. Permasalahan waktu dan keamanan dalam pengambilan data dari DBMS dan besarnya data yang akan diklasterisasi mendorong metode lain dimana proses klasterisasi bisa langsung dilakukan di DBMS. Klasterisasi dilakukan dengan mengintegrasikan algoritma klasterisasi pada DBMS menggunakan bahasa SQL. Pada penelitian ini difokuskan pada perancangan dan pengimplementasian integrasi algoritma klasterisasi K-means pada Relational DBMS dengan menggunakan bahasa SQL. Proses klasterisasi dilakukan dengan studi kasus data akademik mahasiswa di Fakultas Ilmu Komputer universitas Brawijaya dengan fitur IPK, sks tempuh, sks lulus dan semester. Berdasarkan hasil uji coba dataset akademik dengan variasi jumlah dimensi, jumlah klaster dan metode perhitungan jarak yang berbeda, telah didapatkan hasil pengklasteran data dengan benar. Berdasarkan hasil perhitungan kompleksitas waktu untuk tiap tahap implementasi K-means menggunakan SQL dan tanpa SQL, menunjukkan hasil kompleksitas waktu asimptotik yang sama dimana tahap menghitung euclidean distance membutuhkan kompleksitas waktu yang paling tinggi.Kata kunci: Clustering, K-means, SQL, IPK (Indeks Prestasi Kumulatif)AbstractGenerally, clustering implemented with taking data from database to be stored temporarily in a program variable (eg, in an array) then continue with clustering process. Direct clustering where the data is stored by integrating the clustering algorithm using the SQL language on the DBMS is proposed. In this study focused on the design and implementation of K-means clustering algorithm on a Relational DBMS using the SQL language. The clustering process carried out with a case study of GPA student in the Faculty of Computer Science University of Brawijaya. Based on results with a variety of dimensions, the number of clusters and different distance calculation methods, has obtained clustering data correctly. Based on time complexity to review each stage of the implementation K - means using SQL and without SQL, showing the same results of asymptotic time complexity where phase euclidean distance still requires the highest time complexity.Keywords: Clustering, K-means, SQL, GPA (Grade Point Average)AbstrakSecara umum, aplikasi klasterisasi diimplementasikan di luar DBMS dengan mengambil data terlebih dahulu dari basisdata untuk disimpan sementara dalam variabel program (misal dalam sebuah array), kemudian baru dilakukan proses klasterisasi. Permasalahan waktu dan keamanan dalam pengambilan data dari DBMS dan besarnya data yang akan diklasterisasi mendorong metode lain dimana proses klasterisasi bisa langsung dilakukan di DBMS. Klasterisasi dilakukan dengan mengintegrasikan algoritma klasterisasi pada DBMS menggunakan bahasa SQL. Pada penelitian ini difokuskan pada perancangan dan pengimplementasian integrasi algoritma klasterisasi K-means pada Relational DBMSdengan menggunakan bahasa SQL. Proses klasterisasi dilakukan dengan studi kasus data akademik mahasiswa di Fakultas Ilmu Komputer universitas Brawijaya dengan fitur IPK, sks tempuh, sks lulus dan semester. Berdasarkan hasil uji coba dataset akademik dengan variasi jumlah dimensi, jumlah klaster dan metode perhitungan jarak yang berbeda, telah didapatkan hasil pengklasteran data dengan benar. Berdasarkan hasil perhitungan kompleksitas waktu untuk tiap tahap implementasi K-means menggunakan SQL dan tanpa SQL, menunjukkan hasil kompleksitas waktu asimptotik yang sama dimana tahap menghitung euclidean distance membutuhkan kompleksitas waktu yang paling tinggi. Kata kunci: Clustering, K-means, SQL, IPK (Indeks Prestasi Kumulatif)Abstract Generally, clustering implemented with taking data from database to be stored temporarily in a program variable (eg, in an array) then continue with clustering process.Directclustering where the data is storedby integrating the clustering algorithm using the SQL language on the DBMS is proposed.In this study focused on the design and implementation of K-means clustering algorithm on a Relational DBMS using the SQL language. The clustering process carried out with a case study of GPA student in the Faculty of Computer Science University of Brawijaya.Based on results with a variety of dimensions, the number of clusters and different distance calculation methods, has obtained clustering data correctly. Based on time complexity to review each stage of the implementation K - means using SQL and without SQL, showing the same results of asymptotic time complexity where phase euclidean distance still requires the highest time complexity. Keywords: Clustering, K-means, SQL, GPA (Grade Point Average)
Penerapan Algoritma Fuzzy C Means untuk Analisis Permasalahan Simpanan Wajib Anggota Koperasi Rustiyan, Risma; Mustakim, Mustakim
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 2: April 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (142.074 KB) | DOI: 10.25126/jtiik.201852605

Abstract

Koperasi mempunyai peranan penting bagi perekonomian Indonesia. Perkembangan koperasi di Indonesia saat ini cukup pesat, pada data Badan Pusat Stastitik 3 tahun terakhir yang di-update pada tanggal 20 Juni 2016 sementara menyebutkan jumlah koperasi aktif di Indonesia pada tahun 2015 sebanyak 150.223. Pusat Koperasi Unit Desa (PUSKUD) Provinsi Riau merupakan salah satu jenis koperasi sekunder dalam bidang pertanian. Koperasi ini menjadi salah satu penunjang perekonomian rakyat. Proses yang berjalan antara PUSKUD dan anggota adalah pengelolaan sisa hasil usaha (SHU) dan dalam permodalan. Permasalahan yang terjadi adalah partisipasi aktif dari anggota koperasi untuk menunaikan kewajiban masih kurang dari yang diharapkan. Untuk membantu mengatasi permasalahan tersebut, perlu dibentuk suatu pengelompokan Anggota PUSKUD berdasarkan Kabupaten/ Kota domisili dalam pembayaran Simpanan Wajib. Metode yang digunakan adalah Data Mining Clustering dengan algoritma Fuzzy C Means. Dari hasil pengklusteran, pada tahap akhir analisis diketahui, Terdapat 75 anggota yang tersebar pada wilayah Kabupaten/ Kota Rokan Hulu, Kampar, Indragiri Hulu dan Indragiri Hilir serta terdaftar pada tahun 80-an yang perlu untuk ditinjau  kembali. Hasil Pengujian Nilai Validitas PC, didapatkan sebesar 0,323732, dengan demikian kualitas Cluster masih jauh untuk mencapai kata optimal. Kata kunci: Clustering, Data Mining, Fuzzy C Means, Koperasi, Simpanan Wajib, Partition Coefficient Abstract Cooperatives have an important role for the Indonesian economy. The development of cooperatives in Indonesia is currently quite rapid, On the data from Badan Pusat Statistik (BPS)  of the last 3 years updated on June 20, 2016 While mentioning the number of active cooperatives in Indonesia in 2015 as much as 150,223. Pusat Koperasi Unit Desa (PUSKUD) Provinsi Riau is one of the secondary cooperative in agriculture. This cooperative became one of the supporting people's economy. The process that runs between PUSKUD dan members is the management of the remaining results of the business and the capital. The problem that occurs is the use of members of the cooperative to fulfill the obligations is still less than expected. To help overcome these problems, it is necessary to form a grouping of PUSKUD Members by Regency / City domicile in the payment of Mandatory Deposits. The method used is Data Mining Clustering with Fuzzy C Means algorithm. From the results of the clustering, at the final stage of the analysis is known, There are 75 members scattered in the District / City of Rokan Hulu, Kampar, Indragiri Hulu dan Indragiri Hilir dan registered in the 80s that need to be reviewed. Test Result Validity Value of Partition Coefficient, obtained for 0,323732, thus the quality of Cluster is still far to achieve optimal. Keywords: Clustering, Cooperative, Data Mining, Fuzzy C Means, Mandatory Deposit, Partition Coefficient
Sistem Penilaian Otomatis Jawaban Esai Pada Elearning belajardisini.com Pramukantoro, Eko Sakti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (599.533 KB) | DOI: 10.25126/jtiik.201634187

Abstract

AbstrakPada penelitian sebelumnya dihasilkan sebuah media pembelajaran berbasis gamification, yaitu memadukan konsep game dalam sebuah elearning. Pada sistem tersebut untuk koreksi jawaban uraian pendek(esai) masih dilakukan secara manual. Bertambahnya jumlah pelajar dan banyaknya ujian mengakibatkan pengajar harus meluangkan waktu untuk menilai jawaban soal ujian, sehingga penggunaan e-learning dan tanpa e-learning dari sisi efisiensi waktu tidak ada perbedaan. Oleh karena itu diperlukan sistem penilaian otomatis untuk jawaban esai. Penelitian sebelumnya didapat algoritma cosine similarity yang sesuai dengan kebutuhan sistem elearning tersebut. Dari hasil penelitian tersebut dikembangkan sistem (automated essay scooring )AES dengan algorima cosine similarity dan dilakukan uji perfoma sistem berdasarkan penggunaan CPU, Memori dan  page load time. Proses uji performa server dari dua jenis soal yang diujikan disimpulkan bahwa semakin besar pengguna yang mengakses sistem maka semakin besar juga CPU Usage yang dibutuhkan yaitu paling besar adalah 0,2556 %. Untuk pengujian page load time dan memory usage tidak ditemukan perbedaan yang cukup signifikan ketika sistem digunakan oleh satu pengguna maupun banyak pengguna yaitu antara 0,208392 detik sampai 0,406842 detik untuk page load time dan antara 1,49 % sampai 1,56 % untuk memory usage.Kata kunci: automated essay scooring, cosine similarity, elearningAbstractIn a previous research developed a elearning system based on gamification concept, which combines the concept of games in an elearning system. In that system for correction the answer of essay exam) is still done manually. Increasing the number of students and the number of exam makes teachers having to take time to assess the answers to the exam, so using  elearning and without elearning in asessment there is no different esspisially in term time efficiency. Therefore we need an automatic scoring system for the essay. Previous research, said cosine similarity algorithm that fits the needs of the e-learning system. From the results of these studies was developed automated essay scooring system using cosine similarity and examine the performance of the system based on the use of CPU, memory and page load time. The test result shown server performance of the two types of questions that tested concluded that the users accessing the system, the greater the required CPU Usage is at most 0.2556%. For the test page load time and memory usage found no significant difference when the system is used by a single user or multiple users is between 0.208392 seconds to 0.406842 seconds to page load time and between 1.49% to 1.56% for memory usage.Kata kunci: automated essay scooring, cosine similarity, elearning
Pengenalan Emosi Berdasarkan Suara Menggunakan Algoritma HMM Prasetio, Barlian Henryranu; Kurniawan, Wijaya; Ichsan, Mochammad Hannats Hanafi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 3: September 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (752.133 KB) | DOI: 10.25126/jtiik.201743339

Abstract

AbstrakPenelitian ini bertujuan mengenali emosi seseorang melalui ucapan menggunakan algoritma HMM. Sistem dibangun dapat mengenali 3 jenis emosi yaitu marah, bahagia dan  netral. Fitur yang digunakan dalam sistem ini adalah pitch, energi dan formant. Database yang digunakan adalah suara dari rekaman film. Dari hasil obeservasi probabilitas emosi marah sebesar 0.196, bahagia 0.254 dan netral 0.045. Sistem memiliki tingkat akurasi rata-rata sebesar 86.66%. Rata waktu eksekusi sistem dalam mendeteksi dan mengklasifikasikan emosi sebesar 21.6ms.Kata kunci: suara, emosi, HMM, klasifikasiAbstractThis research aims to recognize human emotions through voice using HMM algorithm. The system can confirm three types of emotions: anger, happiness and neutrality. The features used in this system are pitch, energy and formant. From the results, the emotional probability of angry is 0.196, happy is 0.254 and neutral is 0.045. Base on testing result, the system has an average accuracy of 86.66% and average execution time of the system in detecting and classifying emotions of 21.6ms.Keywords: voice, emotion, HMM, classification

Page 17 of 129 | Total Record : 1288


Filter by Year

2014 2025


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