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
 47   48   49   50   51 
Halaman Belakang dan Daftar Indeks purbosari, lina
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 3: Juni 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Halaman Belakang dan Daftar Indeks
Rekayasa E-Aquaculture untuk Pemantauan Tambak Udang secara Realtime dengan Model Multipoint Node Komarudin, Muhamad; Septama, Hery Dian; Yulianti, Titin; Wicaksono, Muhamad Aby
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 2: April 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021824142

Abstract

Udang merupakan salah satu komoditas unggulan bagi Indonesia dari sektor perikanan. Budidaya udang pada tambak, perlu memperhatikan kualitas air. Kualitas air yang perlu diperhatikan dalam pertumbuhan dan kehidupan udang adalah perubahan temperatur, kadar garam, kebutuhan oksigen dan tingkat keasaman atau kandungan pH.  Pemantauan secara manual membutuhkan waktu, tenaga dan biaya yang jauh lebih besar karena harus ada petugas yang berkeliling kolam untuk melakukan pengukuran. Dengan Internet of Things (IoT) yang dikembangkan dalam penelitian ini proses monitoring tersebut dapat dilakukan dengan cepat atau realtime. Model yang dikembangkan terdiri dari perangkat node yang dipasang pada setiap kolam dan masterboard untuk pengumpulan data. Sensor yang dipasang pada setiap node adalah sensor salinitas air, sensor pH dan sensor suhu. Nilai salinitas, pH dan suhu selain ditampilkan pada perangkat penampil yang ada pada node juga dikirimkan ke masterboard. Hasil penelitian menunjukkan perangkat sensor bekerja dengan baik, data salinitas air, pH dan suhu dapat ditampilkan pada node. Ujicoba komunikasi data juga dapat berkerja dengan baik yang ditunjukkan dengan data dapat dikirimkan ke masterboard dengan delay 1 detik karena data masuk secara bergantian atau serial. Masterboard dapat bekerja untuk mengirimkan data ke basis data cloud firebase untuk selanjutnya data ditampilkan pada aplikasi monitoring yang telah dikembangkan. AbstractShrimp is one of the leading commodities for Indonesia from the fisheries sector. Shrimp farming, needs to pay attention to pond water quality. The water quality parameter that needs to be considered in the growth and life of shrimp is temperature, salinity, and pH. The farmer usually, monitor the shrimp pond manually that requires much greater time, effort and cost. The process can be automated with the Internet of Things (IoT) developed in this research. The model developed consists of a set of nodes installed in each pond and a masterboard for data collection. The sensors installed at each node are water salinity sensors, pH sensors and temperature sensors. The Salinity, pH and temperature score besides being displayed on the display device at each node, it is also sent to the masterboard through data communication. The results show that the sensor and data communication devices can work well with low latency (1 s) since the data received serially. Masterboard can work to send data to the Firebase cloud database so that the data may displayed in the monitoring application that has been developed.
Pengembangan Mobile based Question Answering System dengan Basis Pengetahuan Ontologi Yunmar, Rajif Agung; Wisesa, I Wayan Wiprayoga
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020742255

Abstract

Informasi terkait kegiatan penerimaan mahasiswa baru (PMB) sesungguhnya telah banyak tersedia pada halaman web maupun brosur. Namun demikian, dimungkinkan terdapat berbagai informasi yang tidak dapat ditemukan secara langsung dalam media tersebut. Penggunaan mesin pencari juga tidak menjamin pengguna untuk mendapatkan informasi atau jawaban yang relevan dengan kebutuhan. Melakukan kunjungan ke kampus seringkali terkendala oleh jarak, waktu, dan jam kerja. Dalam penelitian ini, dikembangkan sebuah question answering system (QAS) terkait penerimaan mahasiswa baru agar pengguna mendapakan informasi yang sesuai dengan kebutuhannya, selalu bernilai benar, dan dapat diakses kapan saja. QAS dibangun dengan arsitektur tree tier dengan aplikasi mobile sebagai antarmuka, memanfaatkan metode pengolahan bahasa alami dalam memproses pertanyaan pengguna, dan ontologi sebagai basis pengetahuannya. Penelitian ini menggunakan model pengembangan SDLC, dengan model analisis yang digunakan yaitu: analisis kebutuhan sistem, analisis rancangan sistem, implementasi sistem, dan pengujian sistem. Pengujian terhadap sistem dilakukan dengan beberapa cara, yaitu: usability testing, dan pengujian akurasi jawaban. Pengujian menunjukkan QAS yang dibangun dapat diimplementasikan dengan baik sesuai dengan kebutuhan dengan akurasi jawaban sebesar 82.14%. AbstractThe information regarding student admissions and related activities can be found and widely available on website or brochures. However, it is possible that the relevant information cannot be found directly from the media. The use of search engines also doesn’t guarantee users to get the relevant answer or information that satisfy their needs. Visiting the campus is often constrained by distance, time or working hours. In this study, a question answering system related to student admissions was developed so that users get the information that fits thier need, always give the correct answers, and can be accessed anytime. The QAS is built with a tree tier architecture with a mobile application as an interface. Natural language processing methods uses to process user questions, and ontology uses as the knowledge base. This study uses the SDLC development model, with the analysis model used namely: system requirements analysis, system design analysis, system implementation, and system testing. Testing the system is done by several ways, namely: usability testing, and test the accuracy of answers. The tests shows that the QAS can successfully implemented according to the requirement, with the accuracy of answer is 82.14%.
Penerapan Hidden Markov Model (HMM) dan Mel-Frequency Cesptral Coefficients (MFCC) pada E-Learning Bahasa Madura untuk Anak Usia Dini Ubaidi, Ubaidi; Dewi, Nindian Puspa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 6: Desember 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020722477

Abstract

Bahasa Madura is a regional language used in Madura island. This language has many variations of pronunciation and dialect that makes it not easy to learn, even by the local people especially children. There hasn’t been any interesting learning media to learn Bahasa Madura so far. In fact, a fun learning activity is needed to help children to enhance their ability in pronouncing animals’ names, numbers, fruits and things in Bahasa Madura. Thus, it’s considered important to create Bahasa Madura e-learning by implementing the recognition of voice patterns in order to make it easier for the children to learn Bahasa Madura which has several variations of pronunciation only for one single object. This Bahasa Madura e-learning application for young learners is used to introduce Bahasa Madura vocabularies by recognizing the voice pattern recordings which have been processed through MFCC technique as the extracted voice features and HMM as the learning techniques. The implementation of MFCC and HMM as the learning tool to introduce the pronunciation of regional language vocabularies especially Bahasa Madura has never been done before. Therefore, this research is expected to help the young learners to be able to pronounce Bahasa Madura vocabularies properly.  In this study, a number of young learners’ voices were recorded and were set as the trial data. Only the proper voice data that were used—voice data that were considered to be pronounced correctly. The trial method was done through one-single model and multi-model. After doing several simultaneous trials, the result showed the accuracy level. The average accuracy level for one-single model system was 73% (with the highest accuracy reached 75%) and the average accuracy level for multi-model system was 80% (with the highest accuracy reached 81%).
Pengaruh Implementasi Moodle dan Model Pembelajaran Kolaboratif pada Lingkungan Blended Learning terhadap Peningkatan Pemahaman Belajar Mahasiswa Junus, Fadhla Binti; Andula, Nur
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 4: Agustus 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020743289

Abstract

Lemahnya pemahaman mahasiswa terhadap substansi perkuliahan mengharuskan tenaga pengajar untuk mengulangi pengajaran terkait materi yang belum dipahami tersebut. Hal ini telah mengakibatkan tidak tercapainya capaian pembelajaran yang telah disusun. Kajian ini bertujuan untuk mengukur dampak penggunaan sistem manajemen pembelajaran berbasis Moodle dan model pembelajaran kolaboratif pada  blended learning (b-learning) classroom terhadap peningkatan pemahaman mahasiswa.  Metode riset yang diaplikasikan yaitu perancangan pra-eksperimental dengan model single group before-and-after design yang melibatkan 104 responden dari mahasiswa Program Studi Pendidikan Teknologi Informasi, Fakultas Tarbiyah dan Keguruan, Universitas Islam Negeri Ar-Raniry yang sedang mengikuti mata kuliah Pengantar E-learning. Adapun instrumen penelitian berupa angket yang disebarkan pada fase sebelum dan sesudah penerapan Moodle dan pembelajaran kolaboratif dilaksanakan. Berdasarkan teknik analisis regresi linier berganda menggunakan piranti lunak SPSS ditemukan bahwa estimasi pengaruh kedua variabel independen sebesar 81,6% pada tahapan pretest, namun prediksi tersebut bertentangan dengan temuan yang didapat pada fase posttest yang mengindikasikan bahwa persentase implementasi Moodle dan model kolaboratif terhadap pemahaman mahasiswa hanya berpengaruh sebesar 49,9%. Dengan demikian disimpulkan bahwa hipotesis yang diajukan ditolak dikarenakan tidak terjadi peningkatan pemahaman mahasiswa. Hal ini diperoleh berdasarkan output Model Summaryb dimana nilai kedua koefisien R Square dan Adjusted R Square pada angket posttest lebih kecil nilainya dibandingkan dengan angket pretest. AbstractStudents’ lack of understanding toward lecture materials requires extra time in teaching. This has resulted in unfulfilling the designed learning outcomes. This work aims to measure the impact of using the Moodle learning management system (LMS) and collaborative learning model on improving student understanding in blended learning (b-learning) classrooms. The research method used was a pre-experimental design with a single group before-and-after design model involving 104 respondents from the Information Technology Education Study Program at the Ar-Raniry State Islamic University who were attending the E-learning Introductory course. The use of a questionnaire as the research’s instrument was distributed in the ‘before’ and ‘after’ phases of Moodle implementation and collaborative learning were carried out. According to the results of multiple linear regression analysis using SPSS software, it was found that the influence of the estimated value of the two independent variables was 81.6% at the pretest stage, but these predictions contradicted the findings obtained at the posttest phase which indicated that the percentage of Moodle implementation and collaborative models was only effect of 49.9% on students’ understanding. In conclusion, thus, the proposed hypothesis was rejected because there was no increment in students’ understanding. This was based on the Summaryb Model output where the values of both R Square and Adjusted R Square coefficients on the posttest questionnaire were smaller than the pretest questionnaire.
Perbandingan Aplikasi Algoritma Kernel K-Means pada Graf Bipartit dan K-Means pada Matriks Dokumen- Istilah dalam Dataset Penelitian Covid-19 RISTEKBRIN Nugroho, Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 2: April 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021824365

Abstract

Merebaknya kasus Covid-19 di Indonesia telah memunculkan berbagai macam topik penelitian yang dilakukan oleh para peneliti di berbagai bidang dan dari bermacam institusi. Berdasarkan data yang dihimpun oleh portal Sinta Ristekbrin, terdapat 351 topik penelitian yang telah diunggah oleh para peneliti. Kajian ini dimaksudkan untuk menganalisis dan memetakan topik penelitian yang  sedang dan/atau  telah dilakukan selama kurun waktu terjadinya pandemi  Covid-19 di tanah air. Analisis dan pemetaan dilakukan dengan menerapkan algoritma kernel k-means untuk klastering dokumen berbasis graf bipartit dan k-means pada matriks dokumen-istilah. Dataset penelitian Covid-19 Ristekbrin dimodelkan sebagai graf bipartit antara daftar istilah dengan dokumennya. Selanjutnya skor kemiripan dihitung dengan metode kernel. Nilai matriks kernel yang mencerminkan skor kemiripan antar dokumen digunakan sebagai masukan bagi algoritma klastering kernel k-means yang memberikan hasil berupa pemetaan topik penelitian. Sebagai pembanding, algoritma k-means diterapkan pada matriks dokumen-istilah untuk klastering topik penelitian Covid-19. Dari kedua metode tersebut, hasil klastering diuji dengan validasi internal menggunakan indeks Dunn. Indeks Dunn digunakan karena dalam dataset tidak tersedia informasi awal mengenai label atau nama dari masing-masing klaster. Hasil penelitian ini menunjukkan bahwa algoritma  kernel k-means memberikan validasi yang sedikit lebih baik dibandingkan dengan k-means. Hasil kajian ini diharapkan dapat memberikan tambahan informasi yang mendukung program pemerintah dalam mempercepat penanganan Covid-19 di Indonesia. AbstractThe outbreak concerning  the Covid-19 case in Indonesia has raised various topics of research carried out by researchers in diverse fields and from many institutions. Based on data compiled by the Sinta Ristekbrin portal, 351 research topics have been uploaded by researchers. This study is aimed to analyze and map research topics that are being and/or have been conducted during the period of the Covid-19 pandemic in Indonesia. Analysis and mapping are accomplished by applying the kernel k-means algorithm for document clustering based on bipartite graphs and k-means on document term matrix. Ristekbrin's Covid-19 research dataset is modeled as a bipartite graph between terms and documents. Furthermore, the similarity score is calculated using the kernel method. The kernel matrix value that represents the similarity score between documents is used as input for the kernel k-means clustering algorithm, which provides the results of mapping research topics. As comparison, we applied original k-means algorithm on the document-term matrix of the dataset. From these two methods, the clustering results were validated using Dunn index as an internal validation. The Dunn index was used because the dataset did not provide initial information regarding the label or name of each clusters..The comparison Dunn index shows that the kernel k-means algorithm outperforms than the k-means algorithm. This study is expected to provide additional information that supports government programs in accelerating the handling of Covid-19 in Indonesia..
Optimasi Fuzzy C-Means dan K-Means Menggunakan Algoritma Genetika untuk Pengklasteran Dataset Diabetic Retinopathy Al Rivan, Muhammad Ezar; Steven, Steven; Tanzil, William
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020711872

Abstract

Diabetic Retinopathy adalah komplikasi dari diabetes yang mengakibatkan gangguan pada retina mata. Gangguan tersebut dapat diketahui dengan deteksi awal melalui data yang diekstraksi dari citra mata. Deteksi awal dapat dilakukan dengan menggunakan metode clustering. Metode yang digunakan yaitu Fuzzy C-Means dan K-Means. Fuzzy C-Means dan K-Means memiliki kelemahan dari jumlah iterasi yang besar. Jumlah iterasi pada Fuzzy C-Means dan K-Means dapat dioptimasi dengan menggunakan Algoritma Genetika. Optimasi dilakukan dengan cara mengganti bagian pada Fuzzy C-Means dan K-Means pada saat menentukan pusat cluster. Dataset yang digunakan pada penelitian adalah dataset Diabetic Retinopathy. Hasil optimasi sebelum dan sesudah  hybrid Algoritma Genetika pada Fuzzy C-Means terlihat pada nilai rata-rata iterasi dari 17,1 menjadi 6,65 terjadi penurunan sebesar 61,11% dan pada K-Means terlihat pada nilai rata-rata iterasi dari 10,85 menjadi 7,35 terjadi penurunan sebesar 32,25%. Berdasarkan hasil perbandingan nilai rata-rata iterasi Algoritma Genetika–Fuzzy C-Means dan Algoritma Genetika-K-Means maka dapat disimpulkan bahwa Algoritma Genetika-Fuzzy C-Means memiliki jumlah iterasi yang lebih baik dibanding Algoritma Genetika-K-Means. Algoritma Genetika-Fuzzy C-Means juga memiliki inter cluster distance yang paling kecil dan intra cluster distance yang paling besar. AbstractDiabetic Retinopathy is diabetic complication that cause retina disorder. Retina disorder can be known from data extracted from eye image. Early detection conduct using clustering. These methods are Fuzzy C-Means and K-Means. These methods have large number of iteration as weakness. Number of iteration can be optimized using genetic algorithm. Optimization conducted by replace a part from Fuzzy C-Means dan K-Means that use to generate early centroid. The dataset used in the study is a dataset of diabetic retinopathy. The optimization results before and after hybrid GeneticAlgorithm on Fuzzy C-Means are the average iteration values decreased from 17.1 to 6.65, decreasing 61,11% and in K-Means are the average iteration values decreased from 10.85 to 7.35 decreasing 32,25%. Based on the comparison of Genetic Algorithm  Fuzzy C-Means and Genetic Algorithm K-Means iterations, it can be concluded that Genetic Algorithm Fuzzy C-Means has a better number of iteration than Genetic Algorithm K-Means. Genetic Algorithm-Fuzzy-C-Means has smallest inter cluster distance and biggest intra cluster distance.
Sistem Pakar Diagnosa Penyakit Campak Rubella pada Anak Menggunakan Metode Certainty Factor Berbasis Website Wahyuningsih, Pujianti; Zuhriyah, Sitti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0812710

Abstract

Aplikasi sistem pakar merupakan sistem informasi yang dapat digunakan untuk membantu masyarakat dalam mencari solusi permasalahan tanpa harus berkonsultasi dengan spesialis pakar. Tujuan penelitian ini adalah membangun aplikasi sistem pakar berbasis website yang dapat digunakan untuk membantu masyarakat dalam mendiagnosa penyakit campak rubella sejak dini. Campak rubella merupakan salah satu penyakit yang dapat menginfeksi balita dan anak-anak sehingga akan sangat berpengaruh pada tumbuh kembang anak, menyebabkan cacat seumur hidup, hingga mengakibatkan kematian. Sistem pakar berbasis website yang dibangun pada penelitian ini memiliki kelebihan dapat diakses dan digunakan dimana saja menggunakan koneksi internet dibandingkan dengan aplikasi sistem pakar berbasis komputer desktop. Metodologi yang digunakan untuk mendiagnosa penyakit campak rubella pada penelitian ini adalah menggunakan metode Certainty Factor (CF). Nilai CF diperoleh berdasarkan perhitungan nilai input persentase Measure Belief (MB) dan Measure Disbelief (MD), dimana nilai MB berfungsi untuk mengukur dan mengetahui nilai tingkat kepercayaan sedangkan MD berfungsi untuk mengukur dan mengetahui nilai tingkat ketidakpercayaan. Hasil dari penelitian ini adalah ketika nilai CF >= 0.8, maka sistem akan mendiagnosa bahwa pasien menderita penyakit campak rubella. Jika nilai CF < 0.8 dan >= 0.4 maka sistem akan mendiagnosa pasien mungkin menderita penyakit campak rubella, dan jika nilai CF < 0.4 maka sistem mendiagnosa pasien tidak menderita penyakit campak rubella. Perangkat lunak yang dibangun telah diuji coba menggunakan teknik pengujian black-box, dimana hasil dari pengujian tersebut memperlihatkan bahwa perangkat lunak yang dibangun dapat berjalan dengan baik dan dapat digunakan untuk mendiagnosa penyakit campak rubella sesuai dengan keluhan dari pasien. AbstarctThe expert system application is an information system that can be used to help the society to find one of the solutions from a problem without consultation with the expert specialist. The purpose of this study is to build an expert system application based on a website that can be used to help the society to diagnose the rubella measles disease by early. Rubella measles is one of the viruses that can infect the toddler and children so that can give an effect to the children growth, lifetime disability, and become to die. The expert system based on a website that has been developing on this study has an advantage that can be accessed and can be used from the anywhere using internet connection when compared with the expert system application based on a desktop computer. The methodology to diagnose the rubella measles disease in this study used a Certainty Factor (CF) method. The CF value got from the calculation of the percentage input of Measure Belief (MB) and Measure Disbelief (MD), where the function of MB value is to measure and know the level of belief value and then the MD function is to measure and to see the level of disbelief value. The result of this study is when the CF value is >=0.8, and then the system will diagnose the patient is suffering from rubella measles disease. When the CF value is <0.8 and >=0.4 then the system diagnose the patient probably suffer the rubella measles disease, and then when the CF value is <0.4 then the system will diagnose the patient is not hurting the rubella measles disease. The software that was built has been tested using a black-box technique, where the results of the test showed that the software that was built could run well and could be used to diagnose the rubella measles according to complaints from patients.
Sistem Pengenalan Pembicara dengan Metode Wavelet-MCFF dan Pengklasifikasi Hidden Markov Models (HMM) Hidayat, Syahroni; Anas, Andi Sofyan; Yusuf, Siti Agrippina Alodia; Tajuddin, Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 1: Februari 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.0813284

Abstract

Penelitian pengolahan sinyal digital yang berfokus pada pengenalan pembicara telah dimulai sejak beberapa dekade yang lalu, dan telah menghasilkan banyak metode-metode pengenalan pembicara. Di antara algoritma pembentukan koefisien ciri yang telah dikembangkan tersebut, ada dua algoritma yang dapat memberikan akurasi yang tinggi jika diterapkan pada sistem, yaitu Mel Frequency Cepstral Coefficient (MFCC) dan Wavelet. Penelitian ini bertujuan untuk menguji dan memilih kanal terbaik dari proses wavelet-MFCC yang dapat dijadikan sebagai koefisien ciri baru untuk diterapkan pada sistem pengenal pembicara. Koefisien ciri baru tersebut kemudian disebut dengan koefisien ciri Wavelet-MFCC. Kofisien ini dibentuk dari merubah kanal hasil dekomposisi wavelet, yaitu kanal aproksimasi (cA), kanal detail (cD), dan penggabungannya (cAcD), menjadi koefisien MFCC. Metode dekomposisi wavelet yang digunakan adalah metode dyadic dengan menerapkan level dekomposisi level 1 dan level 2. Setiap koefisien ciri kemudian menjadi inputan pada sistem pengklasifikasi Hidden Markov Models (HMM). Keluaran dari HMM kemudian dihitung akurasinya dan dianalisis. Dari pengujian yang dilakukan, diperoleh bahwa kanal detail (cD) sebagai ciri dapat memberikan akurasi yang sama dengan menggunakan kanal gabungan (cAcD) dan lebih tinggi dari kanal aproksimasi (cA), dengan akurasi sebesar 95%. Hal ini menunjukkan bahwa, kanal detail pada dekomposisi level 1 menyimpan ciri suara dari setiap pembicara sehingga sudah cukup untuk dijadikan sebagai koefisien ciri. Maka, penggunaan dekomposisi level 1 dan kanal detail cD sebagai ciri Wavelet-MFCC pada sistem pengenalan pembicara dapat meringankan dan mempercepat proses komputasi. AbstractResearch in digital signal that focused on speaker recognition has begun since decades ago, and has resulted many speaker recognition methods. there are two algorithms that can provide high accuracy in recognition system, which are Mel Frequency Cepstral Coefficient (MFCC) and Wavelet. the aims of this study is to examine and chose the best channel from wavelet-MFCC process that can be used as new feature coefficient, then called as Wavelet-MFCC features coefficient. The coefficient is built by converting the wavelet decomposition channels, which are approximation (cA), detail (cD), and its combination (cAcD), into the MFCC coefficient. Wavelet dyadic decomposition with level 1 and level 2 of decomposition is applied. Each feature coefficient acts as an input to the HMM classifier. The accuracy of the HMM output is calculated, then analyzed. The obtained results show that the detail chanel (cD) achieve equal accuracy as the combination chanel (cAcD), and higher accuracy compared to aproximation channel (cA), with accuracy 95%. Thus, it can be conclude that the detail channel on level 1 decomposition contains features of each speaker's. Then, cD is enough to be used as a Wavelet-MFCC feature. Thus, its implementation in the SRS can ease and speed up the computing process.
Prediksi Stok dan Pengaturan Tata Letak Barang Menggunakan Kombinasi Algoritma Triple Exponential Smoothing dan FP-Growth Hartomo, Kristoko Dwi; Prasetyo, Sri Yulianto; Suharjo, Rahmat Abadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 7 No 5: Oktober 2020
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2020751863

Abstract

Persaingan bisnis semakin meningkat khususnya dalam bidang retail. Hal ini mengharuskan pemilik melakukan inovasi terhadap bisnisnya. Salah satu hal yang perlu diperhatikan oleh pemilik untuk mempertahankan dan menambah konsumen yaitu dengan melakukan pendekatan dengan konsumen. Pendekatan pada konsumen digunakan untuk mengenali dan memahami perilaku, kebutuhan dan keinginan konsumen. Pemilik swalayan ingin melakukan inovasi untuk melakukan perbaikan tata letak barang dan perbaikan stok, karena konsumen seringkali mengalami kesulitan dalam pencarian barang dan pihak swalayan sering mengalami kekurangan dan kelebihan stok barang. Berdasarkan permasalahan tersebut, maka tujuan penelitian adalah untuk mengoptimalkan pengaturan tata letak barang dan optimalisasi persediaan stok barang. Dalam penelitian ini menggunakan data penjualan yang diolah sehingga menghasilkan informasi untuk pemilik swalayan. Pengolahan data dalam penelitian ini disebut data mining dengan menggunakan algoritma FP-Growth dan Triple Exponential Smoothing. Algoritma FP-Growth digunakan untuk mengetahui pola perilaku konsumen sehingga dapat digunakan untuk pengambilan keputusan dalam penyusunan barang dan algoritma Triple Exponential Smoothing yang merupakan algoritma prediksi digunakan untuk pengaturan stock barang. Dalam penelitian ini dengan menggunakan algoritma FP-Growth menemukan 12 aturan asosiasi, aturan asosiasi yang memiliki nilai lift ratio paling tinggi adalah Teh dan gula dengan nilai lift ratio 6.131 dan dengan algoritma Triple Exponential Smoothing diperoleh hasil prediksi pada bulan Januari 2018 adalah 131,141 Kg dengan tingkat akurasi MAPE 88,3 %. AbstractBusiness competition is increasing especially in the retail sector. This requires the owner to innovate his business. The shop owner wants to make an invasion to repair goods and equipment, because consumers are in dire need of things and supermarkets often occur. One of the things that need to be considered by the owner to maintain and add consumers is by approaching consumers. Use of information to recognize and understand consumer needs and desires. By overcoming it, the purpose of the research is to regulate the procedures for goods and optimize the preparation of stock items. In this study using processed sales data. Information on information for shop owners. Data processing in this research is called data mining using FP-Growth and Triple Exponential Smoothing algorithms. FP-Growth algorithm to find out user behavior patterns can be used to develop Triple Exponential Smoothing decisions and algorithms which are forecasting algorithms for inventory items. In this study using the algorithm FP-Growth found 12 association rules, which have the highest lift ratio is Tea and sugar with a lift ratio of 6.131 and with Triple Exponential Smoothing algorithm, the forecasting result in January 2018 is 131.141 Kg with 88,3 % MAPE accuracy.

Page 49 of 129 | Total Record : 1288

 47   48   49   50   51 

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