Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Teknologi Informasi dan Ilmu Komputer

JTIIK
Website

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

29 30 31 32 33

SEED (Stoke Disease Early Detection Application) - Rancang Bangun Aplikasi Mobile Berbasis Android untuk Mendiagnosis Gejala Dini Penyakit Stroke Menggunakan K-Nearest Neighbor (K-NN) Putra, Dedin Anike; Sanapiah, Muhammad Dimas Setiawan; Hanifah, Azifatul Istna; Afirianto, Tri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 3: Juni 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Stroke merupakan penyakit yang tinggi di Indonesia. Stroke menjadi peringkat kedua sebagai penyakit yang paling banyak menyebabkan kematian didunia. Pada zaman modern, stroke tidak hanya menyerang orang yang sudah lanjut usia namun juga bisa menyerang orang usia muda. Data dari Rumah Sakit Saiful Anwar (RSSA) Kota Malang, sepanjang tahun 2016 penderita penyakit stroke 30% nya masih diusia muda, yaitu antara usia 18 – 40 tahun. Salah satu solusi untuk mencegah penyakit stroke adalah dengan mendeteksi gejala-gejala dini yang bisa mengakibatkan penyakit tersebut terjadi. Salah satu metode yang bisa dilakukan adalah dengan menggunakan metode kecerdasan buatan. Metode ini akan lebih mudah diimplementasikan dalam bentuk program atau aplikasi. Aplikasi membuat pengguna dapat lebih mudah membaca dan menerima pelaporan melalui fitur-fitur yang disediakan. SEED (Stroke Disease Early Detection Application) adalah sebuah aplikasi berbasis android untuk mendiagnosis gejala dini penyakit stroke menggunakan algoritma klasifikasi k-NN. Algoritma k-NN dipilih lantaran pada penelitian sebelumnya menghasilkan tingkat akurasi yang relatif tinggi. SEED dibangun menggunakan metode prototyping. Metode prototyping merupakan salah satu jenis software development lifecycle (SDLC) dalam pengembangan perangkat lunak. Terdapat empat fitur utama pada SEED, yaitu 1) klasifikasi dan rekomendasi, 2) riwayat, 3) informasi kesehatan, serta 4) masuk dan daftar. Proses klasifikasi dibagi kedalam tiga tingkatan, yaitu risiko rendah, sedang, dan tinggi. Fitur-fitur yang digunakan untuk proses klasifikasi diantaranya adalah : 1) tinggi badan, berat badan, indeks masa tubuh, tekanan darah, riwayat fibrilasi atrium, riwayat keluarga, kebiasaan merokok, aktivitas fisik, tingkat kolesterol, serta diabetes. Berdasarkan hasil pengujian, didapatkan tingkat validasi kebutuhan sebesar 100%, tingkat akurasi pengklasifikasian sebesar 88%. dan tingkat penerimaan pengguna sebesar 78%.AbstractStroke is one of the highest disease in Indonesia. Stroke become the second most common cause of deadly disease in the world In modern era, young people can get this disease. Data from Syaiful Anwar Hospital (RSSA) Malang City shows that 30% of stroke patient's age is among 18-30 years old. Preventif action needs to be done for reducing the risk level of stroke. One of them is using artificial intelegence technique. These method can be implemented by creating a programme or an application. Application also make a user more convenient to access through its features. SEED (Stroke Disease Early Detection Application) is an android based application that can measure the risk level of stroke disease. This algorith choosen because of its previous accuracy. prototyping model used to develop this application. There are four main features of seed : 1) classification and recommendation, 2) history, 3) health information, and 4) login and register. Risk level of prediction is consists of low, middle, and high risk. Features used in SEED are height, weight, blood pressure, history of atrial fibrillation, history of family, smoking habbit, phisical exercise habbit, cholesterol, and blood sugarit makes. Based on testing phase, The application gain validation test is up to 100%, Its accuracy of classification is up to 88%, and its acceptance test is up to 78%.

Implementasi Metode Reccurrent Neural Network pada Text Summarization dengan Teknik Abstraktif Ivanedra, Kasyfi; Mustikasari, Metty
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Text Summarization atau peringkas text merupakan salah satu penerapan Artificial Intelligence (AI) dimana komputer dapat meringkas text pada suatu kalimat atau artikel menjadi lebih sederhana dengan tujuan untuk mempermudah manusia dalam mengambil kesimpulan dari artikel yang panjang tanpa harus membaca secara keseluruhan. Peringkasan teks secara otomatis dengan menggunakan teknik Abstraktif memiliki kemampuan meringkas teks lebih natural sebagaimana manusia meringkas dibandingkan dengan teknik ekstraktif yang hanya menyusun kalimat berdasarkan frekuensi kemunculan kata. Untuk dapat menghasilkan sistem peringkas teks dengan metode abstraktif, membutuhkan metode Recurrent Neural Network (RNN) yang memiliki sistematika perhitungan bobot secara berulang. RNN merupakan bagian dari Deep Learning dimana nilai akurasi yang dihasilkan dapat lebih baik dibandingkan dengan jaringan saraf tiruan sederhana karena bobot yang dihitung akan lebih akurat mendekati persamaan setiap kata. Jenis RNN yang digunakan adalah LSTM (Long Short Term Memory) untuk menutupi kekurangan pada RNN yang tidak dapat menyimpan memori untuk dipilah dan menambahkan mekanisme Attention agar setiap kata dapat lebih fokus pada konteks. Penelitian ini menguji performa sistem menggunakan Precision, Recall, dan F-Measure dengan membandingan hasil ringkasan yang dihasilkan oleh sistem dan ringkasan yang dibuat oleh manusia. Dataset yang digunakan adalah data artikel berita dengan jumlah total artikel sebanyak 4515 buah artikel. Pengujian dibagi berdasarkan data dengan menggunakan Stemming dan dengan teknik Non-stemming. Nilai rata-rata recall artikel berita non-stemming adalah sebesar 41%, precision sebesar 81%, dan F-measure sebesar 54,27%. Sedangkan nilai rata-rata recall artikel berita dengan teknik stemming sebesar 44%, precision sebesar 88%, dan F-measure sebesar 58,20 %.AbstractText Summarization is the application of Artificial Intelligence (AI) where the computer can summarize text of article to make it easier for humans to draw conclusions from long articles without having to read entirely. Abstractive techniques has ability to summarize the text more naturally as humans summarize. The summary results from abstractive techinques are more in context when compared to extractive techniques which only arrange sentences based on the frequency of occurrence of the word. To be able to produce a text summarization system with an abstractive techniques, it is required Deep Learning by using the Recurrent Neural Network (RNN) rather than simple Artificial Neural Network (ANN) method which has a systematic calculation of weight repeatedly in order to improve accuracy. The type of RNN used is LSTM (Long Short Term Memory) to cover the shortcomings of the RNN which cannot store memory to be sorted and add an Attention mechanism so that each word can focus more on the context.This study examines the performance of Precision, Recall, and F-Measure from the comparison of the summary results produced by the system and summaries made by humans. The dataset used is news article data with 4515 articles. Testing was divided based on data using Stemming and Non-stemming techniques. The average recall value of non-stemming news articles is 41%, precision is 81%, and F-measure is 54.27%. While the average value of recall of news articles with stemming technique is 44%, precision is 88%, and F-measure is 58.20%.

Penerapan Local Binary Pattern untuk Mengukur Tingkat Kepuasan Pengunjung secara Otomatis Putri, Elke Cahya; Priyambadha, Bayu; Pradana, Fajar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Pusat Konservasi Tumbuhan Kebun Raya-LIPI merupakan organisasi pemerintah yang berfokus pada bidang konservasi tumbuhan yang sekaligus berperan sebagai pihak pengelola kebun raya Bogor. Pihak pengelola membutuhkan masukkan atau testimoni pengunjung sebagai bahan evaluasi pelayanan yang diberikan untuk pengunjung. Pada pelaksanaannya, selama ini pengunjung memberikan masukkannya pada laman fanpage facebook kebun raya Bogor. Cara ini dianggap kurang akurat untuk merepresentasikakn tingkat kepuasan pengunjung hanya berdasarkan tulisan yang di publikasikan. Dari permasalahan tersebut maka dikembangkan salah satu fitur pada sistem Layanan Online Kebun Raya Bogor untuk mempermudah pengunjung Kebun Raya Bogor memberikan masukkan atau testimoni kepada pihak pengelola. Testimoni yang di unggah tidak hanya dalam bentuk tulisan tetapi juga dalam format gambar yang terdapat objek manusia, gambar yang di unggah nantinya akan di deteksi dengan menggunakan Local Binary Pattern (LBP) untuk mendapatkan hasil klasifikasi dari ekspresi yang ditunjukkan. Hasil pendeteksian gambar dapat digunakan sebagai analisis tingkat kepuasan pengunjung terhadap pelayanan yang diberikan oleh pihak pengelola dari jumlah ekpresi pada satu lokasi objek wisata. Dari hasil penelitian yang dilakukan, didapatkan hasil akurasi pendeteksian gambar sebesar 0.884 terhadap pengklasifikasian ekspresi wajah yang di dapatkan.AbstractPlant Conservation Center Botanical Garden-LIPI is a government organization engaged in the conservation of plants and have a role as Kebun Raya Bogor organizer. The organizer requires visitor input or testimonial as a visitor service evaluation material. In its implementation, visitors gave their testimonial on the Kebun Raya Bogor Facebook fanpage. This method is considered less accurate to represent the level of visitor satisfaction based solely on the published texts. From that issue emerged an initiative to develop a feature on the Online Service system of Kebun Raya Bogor to facilitate Kebun Raya Bogor visitors to give testimonials to the organizer. Testimonials that are sent not only in the form of texts but also in the image format that contains the human object, the uploaded image will be detected by using the Local Binary Pattern (LBP) to get the result of the expression it captures. The results of image detection can be used to analyzed how the level of visitor satisfaction with the services provided by the organizer in a tourist attraction location. From this study, the result obtained an accurate image detection of 0.884 by using LBP for the classification of captured facial expression

Algoritma Naive Bayes untuk Klasifikasi Sumber Belajar Berbasis Teks pada Mata Pelajaran Produktif di SMK Rumpun Teknologi Informasi dan Komunikasi Herlambang, Admaja Dwi; Wijoyo, Satrio Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Salah satu komponen esensial dalam kegiatan pembelajaran di Sekolah Menengah Kejuruan Rumpun Teknologi Informasi dan Komunikasi (SMK TIK) adalah ketersediaan sumber belajar mata pelajaran produktif. Media internet atau online adalah sumber belajar yang berbentuk media elektronik yang dapat dimanfaatkan oleh siswa dan guru melalui jaringan internet. Salah satu bentuk media online adalah halaman web berformat .html (Hypertext Markup Language) yang berupa dokumen teks sangatlah banyak. Sehingga sumber belajar tersebut perlu di kelompokkan berdasarkan kriteria atau ciri esensial setiap mata pelajaran produktif di SMK TIK. Proses pengelompokkan menggunakan algoritma Naive Bayes karena algoritma tersebut dapat digunakan untuk dokumen teks dan menggunakan teorema Bayes dengan menganggap semua atribut saling tidak berhubungan. Tujuan penelitian ini adalah untuk mendeskripsikan hasil klasifikasi dan evaluasi kualitas klasifikasi sumber belajar berbasis teks dengan menggunakan Algoritma Naïve Bayes. Tahapan penelitian yang dilakukan adalah pengoleksian data set, pemrosesan awal dengan text mining, pembobotan Tf-Idf, pengklasifikasian Naïve Bayes, dan evaluasi akurasi. Pengklasifikasian teks menghasilkan sembilan kelompok mata pelajaran produktif dan pengujian menghasilkan nilai akurasi tertinggi 81,48%, sedangkan nilai akurasi terendah sebesar 79,63%. AbstractThe availability of learning resources for productive subjects is one of the essential components in learning activities for Vocational High Schools, especially for Information and Communication Technology competence field. Internet or online media is a learning resource in the form of electronic media that can be used by students and teachers through the internet. One form of online media is a web page formatted in .html (Hypertext Markup Language) in the form of very many text documents. So that learning resources need to be grouped based on the essential criteria or characteristics of each productive subject in Vocational High Schools. The grouping process uses the Naive Bayes algorithm because the algorithm can be used to text documents and use the Bayes theorem by assuming all attributes are mutually unrelated. The purpose of the study was to describe the results of the classification and classification quality evaluation of text-based learning sources using the Naïve Bayes Algorithm. The stages of the research carried out are collecting data sets, pre-processing with text mining, Tf-Idf weighting, Naïve Bayes classifying, and accuracy evaluation. Text classification results shows that there are nine productive subject groups and based on uji results shows that the highest accuracy value was 81,48%, while the lowest accuracy value was 79,63%.

Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO Jupiyandi, Sisco; Saniputra, Fadhil Rizqullah; Pratama, Yoga; Dharmawan, Muhammad Robby; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Besarnya lahan pada parkir dan jumlah kendaraan roda empat dalam hal ini adalah mobil, dapat menjadi kendala bagi pengendara lain dalam mengetahui posisi parkir mana yang masih dapat digunakan. Sistem pengembangan perparkiran yang ada masih kurang maksimal dalam memanfaatkan lahan dan efisiensi waktunya. Berdasarkan banyaknya kendaraan mobil yang semakin bertambah, maka kebutuhan akan lahan parkir juga semakin dibutuhkan. Banyak sekali sistem yang belum dapat menangani berbagai permasalahan yang ada. Sistem ini dapat mengetahui jumlah slot pada lahan parkir dengan akurat sehingga memudahkan pengelola. Selain itu sistem ini juga dikembangkan agar waktu pencarian lahan parkir oleh pengguna parkir bisa sangat cepat. Sistem ini menggunakan penerapan pemrograman GPU yang dikombinasi dengan Modified Yolo (M-Yolo). GPU pada M-Yolo dibutuhkan untuk mengolah citra sekaligus mengolah data untuk mendeteksi citra mobil dan jumlah mobil secara paralel. Hasil uji coba menunjukkan bahwa dengan menggunakan GPU dibandingkan dengan CPU dapat mempercepat waktu komputasi rata-rata sebesar 0,179 detik dengan rata-rata akurasi sebesar 100%.AbstractThe width of parking lot and the number of cars in the parking lot can be an obstacle for motorists to know the parking area in which part is still empty. Parking systems that exist at this time are still not maximal in the utilization of parking lots and time efficiency. Based on the number of vehicles that are growing, then the need for parking space is also more needed. Many of the existing parking systems have not been able to handle the various problems. This system can know the number of slots on the parking lot, making it easier for operators to know the empty parking lot. In addition, this system will also be designed so that parking time search by parking users doesn’t take a long time. This system uses implementation of GPU programming mixed with Modified Yolo (M-Yolo). GPU on M-Yolo is needed to process images while processing data to detect car and the number of cars using parallel computing. The test results show that using the GPU compared to the CPU can speed up the average computing time by 0.179 seconds and it obtained an average accuracy of 100%.

Rancang Bangun Aplikasi Game Edukasi Koleksi Permainan Aksara Lampung (Koper Apung) Berbasis Android Menggunakan Metode Scrum Nama, Gigih Forda; Pamungkas, Ayu Dian; Mardiana, Mardiana; Septama, Hery Dian
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Indonesia merupakan negara yang memiliki keanekaragaman budaya. Salah satu bentuk keragaman budayanya adalah bahasa daerah yang berbeda di setiap wilayah. Bahkan, pada beberapa daerah tertentu memiliki aksara khusus dalam penulisan, salah satunya yaitu aksara Lampung. Ada berbagai macam cara yang biasa dilakukan untuk melestarikan penggunaan aksara dan bahasa daerah, salah satunya dengan memanfaatkan teknologi. Penelitian ini menghasilkan sebuah produk game edukasi belajar bahasa dan aksara Lampung (KOPER APUNG) berbasis android dengan metode scrum dan menggunakan game engine construct 2. Dari 3 kali proses iterasi sprint yang dilakukan, menghasilkan sebuah game edukasi yang sesuai dengan kebutuhan pengguna. Pengujian portability menunjukkan bahwa game dapat berjalan pada perangkat android minimum versi 4.1. Pengujian functionality menunjukkan aset game 100% dapat berjalan baik. User acceptance test dengan melibatkan 25 responden, menunjukkan predikat sangat baik dengan persentase 95,77%. Pengujian efficiency menunjukkan game menggunakan CPU rata-rata sebesar 15% dan RAM 400 MB. Sedangkan pada tahap evaluasi, tingkat kelulusan responden meningkat dari sebelumnya 36 % menjadi 96%. Sehingga, game ini efektif digunakan sebagai salah satu media belajar Aksara Lampung. AbstractIndonesia is a country with various cultures. One of them is that every region has its own local language as its special characteristic. Some local languages have their own local letters, for example is the Lampungnese letters. There are a lot of techniques to conserve the use of local language and its letters, one of them is by implementing technologies. This Koper Apung (the Collection of Lampungnese Letters Game) Educational Game was created in the form of game application for android based smartphone by using scrum methodology and assisted by Construct 2 Engine. From the sprint result of the scrum methodology, an educational game which adjusted to the needs of the user was established. The result of portability aspect showed that Koper Apung game could work well on the minimally 4.1 version of android appliances. The functionality test showed that all game assets could satisfactorily 100% work. User Acceptance test indicated, Very good‟ predicate with 95.77% result. The efficiency test denoted that this game used 15% CPU and 400 MB RAM. Meanwhile, on the evaluation phase, the respondents‟ level of success improved from 36% to 96%. These signified that the Koper Apung game is an effective and applicable media to learn Lampungnese Letters.

Implementasi Metode Forward Selection pada Algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier Kernel Density (Studi Kasus Klasifikasi Jalur Minat SMA) Sasongko, Theopilus Bayu; Arifin, Oki
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1093.895 KB)

Peminatan merupakan kegiatan yang disediakan oleh pihak sekolah yang berguna untuk mengakomodasi pilihan minat, bakat, atau kemampuan peserta didik dengan orientasi pemusatan. Penentuan jalur minat umumnya melibatkan banyak attribute. Klasifikasi maupun prediksi pada data mining menggunakan fitur seleksi sangat penting untuk pemilihan attribute yang tepat, karena berpengaruh pada performansi model, oleh sebab itu perlu metode untuk melakukan seleksi atribut. Penelitian ini membandingkan implementasi metode forward selection pada Algoritma SVM dan Naïve Bayes Kernel Density. Studi kasus yang digunakan adalah jalur minat pada siswa SMA pada dua sekolah yang berbeda. Proses pembentukan model klasifikasi dengan menganalisa perubahan kernel, faktor pinalti (C) SVM, number of kernel Naïve bayes kernel density, dan hasil feature subset forward selection. Digunakan lima buah eksperimen kernel SVM yaitu dot (linear), radial (RBF), polynomial, neural, dan anova. Proses uji coba perubahan parameter menggunakan rentang 0.0-100.0. Hasil dari penelitian ini diantaranya adalah feature subset dataset SMA ABC yang terpilih yaitu nilai IPA, tes akademik, abstrak konseptual, analisa sintesa, dan logika numerik, sedangkan feature subset SMA XYZ yaitu nilai IPA, logika numerik, dan analisa sintesa. Hasil pengujian dataset SMA ABC menggunakan algoritma FS-SVM berbasis kernel anova parameter C=10.0 sebesar 99.29%. Sedangkan hasil pengujian dataset SMA XYZ menggunakan algoritma FS-SVM berbasis kernel anova parameter C=10.0 sebesar 95.17%. AbstractSpecialization is an activity provided by the school that is useful to accommodate the choice of interests, talents, or abilities of students with a concentration of orientation. The determination of interest generally involved many attributes. The classification and prediction on the data mining that use the selection feature is very important for the selection of the right attribute, because it affects the performance of the model, therefore a method is needed to select attributes. This study compares the implementation of the forward selection method in the SVM Algorithm and Naïve Bayes Kernel Density. The case study that is used is the interest of students in high school and compared with two different schools. The process of modelling by studying kernel changes, penalty factors (C) SVM, number of kernel Naïve bayes kernels, and the results of features from subset forward selection. Five SVM kernel experiments ared used, namely dot (linear), radial (RBF), polynomial, neural, and anova. The trial process of changes parameters uses the range 0.0-100.0. The results of this study include features of selected ABC SMA subset datas, which are IPA values, academic tests, conceptual abstracts, synthesis analysis, and numerical logic, while the XYZ SMA subset features are IPA values, numerical logic, and synthesis analysis. The test results of the ABC High School dataset that use the kernel-based FS-SVM algorithm parameter C = 10.0 is 99.29%. While the results of testing the XYZ SMA dataset that use the kernel-based FS-SVM algorithm parameter C = 10.0 for 95.17%.

Penerapan Pendekatan Human Centered Design dan CRM dalam Perancangan Antarmuka Sistem E-Complaint Rokhmawati, Retno Indah; Evantio, Yhouga Beta; Saputra, Mochamad Chandra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Tujuan dari penelitian ini adalah untuk mengembangkan antarmuka sistem e-complaint dengan menerapkan HCD dan CRM. Komplain merupakan bentuk reaksi pelanggan terhadap produk atau jasa yang harus segera ditangani perusahaan. Dengan kondisi pencatatan komplain yang masih manual, menghambat upaya perusahaan untuk mencapai goal mempertahankan pelanggan. Oleh karena itu antarmuka sistem e-complaint hadir sebagai desain solusi yang dikembangkan dengan menerapkan HCD yang unggul dalam hal pendefinisian kebutuhan dari sisi pengguna dan stakeholder. Melalui HCD dapat diketahui bagaimana desain yang familiar bagi pengguna, dalam hal ini website dashboard. Dengan menerapkan CRM, pengembangan antarmuka sistem e-complaint dapat mengakomodasi kebutuhan perusahaan yang ingin proses bisnis dan kebutuhan fungsionalnya tetap menjadi pertimbangan utama. Penelitian ini menghasilkan 16 kebutuhan fungsional dan menyediakan hak akses untuk dua aktor yaitu sales dan leader. Hasil pengujian menunjukkan bahwa secara keseluruhan, antarmuka dan interaksi yang disediakan telah memenuhi kebutuhan stakeholder untuk mencapai goal. Namun, perlu menambahkan tampilan untuk segmentasi pelanggan untuk pengembangan desain berikutnya.AbstractThe purpose of this research is to develop an e-complaint system interface by implementing HCD and CRM. A complaint is a customer reaction to a product or service that the company must address immediately. In the as-is condition of recording complaints are still manual, inhibits the company's efforts to achieve the goal of retaining customers. Therefore the interface of the e-complaint system comes as a design solution developed by applying HCD which is good for defining needs from the users and stakeholders. Through HCD can be known how the design is familiar to users, in this case the dashboard style. By implementing CRM, the development of the e-complaint system interface can accommodate the needs of companies that want their business processes and functional needs to be the main consideration. This study finds 16 functional requirements and provides access rights for two actors, namely sales and leader. The test results show that overall, the interfaces and interactions provided have met the needs of stakeholders to achieve the goal. However, it is necessary to add a view for customer segmentation for future design development.

Peningkatan Performa Cluster Fuzzy C-Means pada Klastering Sentimen Menggunakan Particle Swarm Optimization Siringoringo, Rimbun; Jamaluddin, Jamaluddin
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Fuzzy C-Means (FCM) merupakan algoritma klastering yang sangat baik dan lebih fleksibel dari algoritma klastering konvensional. Selain kelebihan tersebut, kelemahan utama algoritma ini adalah sensitif terhadap pusat klaster. Pusat klaster yang sensitif mengakibatkan hasil akhir sulit di kontrol dan FCM mudah terjebak pada optimum lokal. Untuk mengatasi masalah tersebut, penelitian ini memperbaiki kinerja FCM dengan menerapkan Particle Swarm Optimization (PSO) untuk menentukan pusat klaster yang lebih baik. Penelitian ini diterapkan pada klastering sentimen dengan menggunakan data berdimensi tinggi yaitu ulasan produk yang dikumpulkan dari beberapa situs toko online di Indonesia. Hasil penelitian menunjukkan bahwa penerapan PSO pada pembangkitan pusat klaster FCM dapat memperbaiki performa FCM serta memberikan luaran yang lebih sesuai. Performa klastering yang menjadi acuan adalah Rand Index, F-Measure dan Objective Function Value (OFV). Untuk keseluruhan performa tersebut, FCM-PSO memberikan hasil yang lebih baik dari FCM. Nilai OFV yang lebih baik menunjukkan bahwa FCM-PSO tersebut membutuhkan waktu konvergensi yang lebih cepat serta penanganan noise yang lebih baik.AbstractFuzzy C-Means (FCM) algorithm is one of the popular fuzzy clustering techniques. Compared with the hard clustering algorithm, FCM is more flexible and fair. However, FCM is significantly sensitive to the initial cluster center and easily trapped in a local optimum. To overcome this problem, this study proposes and improved FCM with Particle Swarm Optimization (PSO) algorithm to determine a better cluster center for high dimensional and unstructured sentiment clustering. This study uses product review data collected from several online shopping websites in Indonesia. Initial processing product review data consists of Case Folding, Non Alpha Numeric Removal, Stop Word Removal, and Stemming. PSO is applied for the determination of suite cluster center. Clustering performance criteria are Rand Index, F-Measure and Objective Function Value (OFV). The results showed that FCM-PSO can provide better performance compared to the conventional FCM in terms of Rand Index, F-measure and Objective Function Values (OFV). The better OFV value indicates that FCM-PSO requires faster convergence time and better noise handling.

Perancangan Software As A Service (SAAS) untuk Sistem Pelayanan Kesehatan Ibu dan Anak (PKIA) pada Puskesmas Se-Kota Mataram Berbasis Cloud Computing Jatmika, Andy Hidayat; Afwani, Royana; Agitha, Nadiyasari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Saat ini sistem pengolahan data pasien layanan KIA di semua puskesmas di kota Mataram masih dikerjakan dengan cara konvensional atau belum memanfaatkan teknologi sistem informasi. Permasalahan yang muncul dari pihak puskesmas adalah lambatnya proses pelayanan pasien yaitu dalam hal pendataan pasien dan pencarian data pasien, serta tingginya tingkat kesalahan dalam pengolahan data pasien misalnya data pendaftaran, data pemeriksaan, dan data rujukan. Permasalahan dari sisi pasien adalah pasien harus datang ke puskesmas jika ingin mendaftar, pasien harus mendaftar sebagai pasien baru lagi jika ke puskesmas yang berbeda, pasien masih menggunakan buku KIA untuk mendapatkan informasi dan melihat catatan hasil konseling yang memiliki resiko rusak atau hilang, serta pasien kesulitan untuk melakukan monitoring terhadap perawatan kesehatannya. Keberadaan teknologi cloud computing dengan layanan Software as a Service (SaaS) dapat memberikan solusi untuk permasalahan tersebut. SaaS merupakan model bisnis untuk menyampaikan aplikasi dalam bentuk layanan. SaaS untuk sistem PKIA akan sangat berguna bagi puskesmas dalam mengelola data pasien, sedangkan bagi pasien akan mempermudah mendapatkan informasi dan mempercepat proses layanan. Tujuan penelitian ini adalah membuat rancangan SaaS untuk sistem PKIA dimana nantinya seluruh Puskesmas di Kota Mataram yang telah tergabung dalam community cloud computing memiliki keseragaman sistem dalam mengelola data pasien dan dapat diakses dari puskesmas mana saja. Terdapat dua metode yang digunakan pada penelitian ini yaitu (1) analisis layanan bisnis, (2) analisis kebutuhan sistem, dan (3) analisis service oriented architecture. Data yang digunakan dalam penelitian ini diambil saat dilakukan observasi langsung dan pengumpulan data di puskesmas wilayah Mataram. Hasil akhir penelitian ini berupa (1) prototype model layanan bisnis PKIA puskesmas yang digambarkan dalam bentuk use case diagram sebagai bagian dari layanan SaaS serta (2) prototype web service. Berdasarkan hasil wawancara dengan pihak Puskesmas yang terdiri dari bidan dan petugas, hasil rancangan ini telah sesuai dengan apa yang diharapkan. Perancangan ini diharapkan dapat dijadikan dasar dalam implementasi perangkat lunak sistem PKIA puskesmas se-Kota Mataram berbasis cloud SaaS. AbstractCurrently, patient data processing system of PKIA services in public health centers in Mataram city is still doing conventional way that is not yet utilize information technology. The problems that arise from public health centers are: a long service process which includes patient data collection and patient data retrieval, and the number of errors in the processing of patient data, such as registration data, examination data, and referral data. Problems from the patient that the patient must come if will do the registration, must register as new patient if to the different public health centers, still use the manual book to get information and see the record of counseling results that have the risk of damaged or lost, and difficulty in monitoring health care. The existence of cloud computing technology with Software as a Service (SaaS) can provide solutions to these problem. SaaS is a business model for delivering applications in the form of services. SaaS for PKIA will be very useful for public health center to manage patient data, patient will be more efficient easier to get service and get information. The purpose of this research is to design the SaaS for PKIA system where the public health center in Mataram City which is incorporated in community cloud has uniform system in managing data.. This research uses three methods: (1) business service analysis, (2) system requirement analysis, and (3) service oriented architecture analysis. The data used in this research was taken when doing observation and data collection at public health center of Mataram city. The results of this research are (1) prototype of PKIA business service model which is described in the form of use case diagram as part of SaaS service and (2) prototype of web service. Based on the results of interviews conducted with the Public Health Center, the results of this design were as expected. This design can be used as a basis in the implementation of software on the system of PKIA based on cloud SaaS.

Page 31 of 129 | Total Record : 1288

29 30 31 32 33

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

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

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