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
 48   49   50   51   52 
Analisis Kinerja Algoritme TCP Congestion Control Berdasarkan Single dan Multiple Flow pada Multi-Path Routing Sutawijaya, Bayu; Basuki, Achmad; Bachtiar, Fitra Abdurrachman
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.2020752402

Abstract

Teknik multi-path routing merupakan solusi efektif untuk menambah kapasitas bandwidth jaringan. Namun, TCP menggunakan multiple paths sama dengan di single path. Penelitian ini melakukan analisis kinerja algoritme TCP congestion control Reno, BIC, CUBIC, dan BBR pada multi-path routing dengan setiap multiple paths menggunakan cost yang sama. Analisis yang dilakukan meliputi perbandingan antara single path routing dengan multi-path routing, single flow, dan multiple flow. Analisis single flow meliputi link delay dan loss rate. Sedangkan analisis multiple flow meliputi inter TCP protocol fairness dan fairness antara TCP dengan UDP. Semua evaluasi dilakukan berdasarkan emulasi pada VirtualBox. Berdasarkan hasil emulasi, multi-path routing dapat berdampak pada packet reordering, tetapi tidak mengakibatkan penurunan rata-rata throughput yang signifikan. Pada single flow, BBR merupakan algoritme TCP congestion control terbaik pada multi-path routing. Namun, pada multiple flow, CUBIC merupakan algoritme TCP congestion control terbaik pada multi-path routing. Pada evaluasi link delay, rata-rata RTT BBR lebih rendah hingga 58 ms dibandingkan dengan Reno, BIC, dan CUBIC. Sedangkan pada evaluasi loss rate, rata-rata throughput BBR lebih tinggi hingga 12 Mbps dibandingkan dengan Reno, BIC, dan CUBIC. Pada evaluasi inter TCP protocol fairness dan fairness antara TCP dengan UDP, fairness CUBIC paling mendekati 1 dibandingkan dengan Reno, BIC, dan BBR. AbstractThe multi-path routing technique is an effective solution to increase network bandwidth capacity. However, TCP uses multiple paths similar to a single path. This study analyzes the performance of TCP congestion control algorithms Reno, BIC, CUBIC, and BBR on multi-path routing with each multiple paths using the same cost. The analysis includes a comparison between single path routing and multi-path routing, single flow, and multiple flows. In a single flow, the analysis includes link delay and loss rate. Whereas in multiple flows, the analysis includes inter TCP protocol fairness and fairness between TCP and UDP. All evaluations are based on emulation in VirtualBox. Based on the results from emulation, multi-path routing can have an impact on packet reordering but does not result in a significant degrade in average throughput. In a single flow, BBR is the best TCP congestion control algorithm on multi-path routing. However, in multiple flows, CUBIC is the best TCP congestion control algorithm on multi-path routing. In the link delay evaluations, the average RTT on BBR up to 58 ms lower than Reno, BIC, and CUBIC. Whereas in the loss rate evaluations, the average throughput on BBR up to 12 Mbps higher than Reno, BIC, and CUBIC. In the evaluation of inter TCP protocol fairness and fairness between TCP and UDP, fairness on CUBIC is closest to 1 than Reno, BIC, and BBR.
Aplikasi Pertimbangan Wisata di Pulau Lombok dengan Metode Fuzzy Mamdani & Algoritma Genetika Harir, Zainul; Widiartha, Ida Bagus Ketut; Afwani, Royana
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.2020721197

Abstract

Pulau Lombok memiliki pariwisata berupa keindahan alam dan kebudayaan yang menarik, sehingga juga mendapat tiga penghargaan pada World Halal Tourism Awards 2016 dengan faktor pertumbuhan kunjungan wisatawan sebesar 13% pada tahun tersebut. Adanya sebuah aplikasi yang dapat membantu wisatawan dalam menentukan keputusan perjalanan wisata mereka adalah wajib. Aplikasi ini dikembangkan dengan logika Fuzzy Mamdani dan Algoritma Genetika dengan tujuan memberikan rekomendasi pariwisata.Logika Fuzzy Mamdani memberikan pertimbangan wisata berdasarkan 5 parameter (anggaran, rencana perjalanan, akomodasi, makanan dan minuman, serta biaya transportasi) yang kemudian menjadi 5 fungsi keanggotaan untuk membangun kombinasi aturan pada fuzzy dan menghasilkan keluaran berupa pertimbangan wisata, yaitu: Tidak Memungkinkan, Cukup Memungkinkan, dan Memungkinkan. Kombinasi lima fungsi keanggotaan tersebut, menghasilkan 10.080 aturan, yang digunakan untuk mengetahui seseorang memungkinkan, atau tidak untuk berwisata ke pulau Lombok dengan constrain parameter yang dimiliki, yang dibangkitkan dengan menggunakan fungsi Defuzzifikasi Mean of Max (MOM). Algortima Genetika digunakan dalam memberikan alokasi penggunaan budget yang optimal dalam berwisata di Pulau Lombok.Hasil pengujian dengan perhitungan manual dan model defuzzifikasi yang berbeda memiliki akurasi 100%.  Untuk implementasi Algoritma Genetika, aplikasi memperoleh alokasi anggaran optimal pada probabilitas crossover (pc) dan probabilitas mutasi (pm) dengan (pc) 0,7 dan (pm) 0,2. AbstractTourism in Lombok has an interesting culture, it makes Lombok got three awards at the 2016 World Halal Tourism Awards and became a growth factor for tourist visits by 13% that year. An application that can help tourists in determining travel decision is mandatory.The application developed with Mamdani Fuzzy Logic and Genetic Algorithm to provide tourism recommendations. The Fuzzy Mamdani Logic Method provides tourism considerations based on 5 parameters (budget, travel plans, accommodation, food and drinks, and transportation costs) which then become 5 membership functions to build a combination of rules on fuzzy and produce output in the form of tourism's considerations: Not Enable, Enough Enable, and Enable. The combination of the 5 membership functions constructed 10.080 fuzzy rules, that's used to know wheater tourists enables them to go to Lombok with the limitation that they have. The defuzzification used is the Mean of Max (MOM). Genetic Algorithm (GA) is used in providing optimal budget allocation in traveling on Lombok IslandThe results of testing with manual calculations and different defuzzification models have 100% accurate, the application of GA obtained optimal budget allocation on crossover probability (pc) and mutation probability (pm) combination with (pc) 0.7 and (pm) 0.2.
Implementasi Latent Dirichlet Allocation (LDA) untuk Klasterisasi Cerita Berbahasa Bali Sanjaya ER, Ngurah Agus
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.0813556

Abstract

Cerita-cerita berbahasa Bali memiliki topik yang beragam namun memuat nilai kearifan lokal yang perlu untuk dilestarikan. Jika cerita-cerita tersebut dapat dikelompokkan berdasarkan topik, tentu akan sangat memudahkan bagi para pembacanya dalam memilih bacaan yang diinginkan. Latent Dirichlet Allocation (LDA) mengasumsikan bahwa suatu dokumen dibangun dari perpaduan topik-topik tersembunyi. Dengan menerapkan LDA pada kumpulan dokumen, maka dapat diketahui distribusi topik-topik tersembunyi pada kumpulan dokumen secara umum maupun masing-masing dokumen. Pada penelitian ini, distribusi topik yang ditemukan oleh LDA pada  kumpulan cerita berbahasa Bali digunakan untuk melakukan pengelompokkan cerita secara otomatis. Tahapan penelitian meliputi digitalisasi cerita, tokenisasi, case-folding, stemming, pencarian topik dengan LDA, representasi dokumen dan klasterisasi hirarki secara agglomerative. Pengujian dilakukan menggunakan 100 buah data cerita berbahasa Bali yang didapat dari situs daring maupun Dinas Kebudayaan Provinsi Bali untuk menghitung akurasi hasil klasterisasi. Evaluasi dilakukan juga untuk melihat pengaruh jumlah kata dan ukuran kesamaan yang digunakan terhadap akurasi. Akurasi hasil klasterisasi tertinggi yang didapatkan adalah 62% pada saat jumlah kata yang digunakan sebagai representasi dokumen berjumlah 3000 kata. Selain itu, didapatkan suatu kesimpulan bahwa akurasi klasterisasi juga sangat dipengaruhi oleh ukuran kesamaan yang digunakan ketika melakukan penggabungan dokumen serta jumlah kata sebagai representasi dokumen. AbstractBalinese folklores have diverse topics but contain local wisdom that needs to be preserved. Grouping the stories based on the topics can certainly help readers to choose their readings accordingly. Latent Dirichlet Allocation (LDA) assumes that a document is built from a combination of hidden topics. By applying LDA to a collection of documents (corpus), the global distribution of hidden topics in the corpus as well as the distribution of each individual document in the corpus can be identified. In this research, the individual distribution of topics in Balinese folklores is used to group stories based on common topics. The research stages include story digitization, tokenization, case-folding, stemming, topic search with LDA, document representation and agglomerative hierarchical clustering. Performance evaluation was carried out using 100 Balinese folklores data obtained from online sites and the Bali Provincial Cultural Office to calculate the accuracy of the clustering results. Evaluation is also carried out to see the effect of the number of words and the similarity measure used on accuracy. The highest accuracy obtained is 62% when the number of words used as the representation of a document is 3000 words. In addition, it can be concluded that accuracy is also greatly influenced by the similarity measure used when merging the documents and the number of words for document representation.
Media Pembelajaran Calistung Hewan Berteknologi Augmented Reality untuk Menarik Minat Belajar Anak Afirianto, Tri; Wardhono, Wibisono Sukmo; Pelealu, Billawal Nadipa; Akbar, Muhammad Aminul
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.2021824510

Abstract

Salah satu perkembangan anak yang perlu diperhatikan adalah perkembangan kognitif. Contoh perkembangan kognitif pada anak usia dini seperti menyebutkan jumlah benda mulai dari satu hingga sepuluh dan merepresentasikan benda dalam bentuk gambar atau tulisan. Kemampuan tersebut dapat diperoleh melalui kegiatan membaca, menulis, dan berhitung (calistung). Calistung bukanlah suatu kemampuan wajib yang dimiliki oleh anak usia dini, namun kemampuan tersebut tetap perlu disampaikan sesuai dengan metode pembelajaran di PAUD/TK, yaitu dengan cara bermain dan belajar. Untuk mempermudah pemahaman anak tentang calistung diperlukan objek yang sering dijumpai oleh anak, sebagai contoh hewan yang sering dijumpai di kebun binatang. Oleh karena itu, pada penelitian ini dikembangkan media pembelajaran calistung dengan objek hewan. Untuk mengetahui tingkat ketertarikan anak dalam mempelajari calistung, media pembelajaran dikembangkan dengan menggunakan teknologi Augmented Reality (AR). Metode pengembangan yang digunakan adalah iterative rapid prototyping. Berdasarkan pengujian media dengan menggunakan fun testing menghasilkan nilai total rata-rata sebesar 85,6% yang berarti media pembelajaran ini mampu meningkatkan ketertarikan anak dalam mempelajari calistung. Abstract One of the child's development that needs attention is cognitive development. Examples of cognitive development in early childhood such as mentioning the number of objects ranging from one to ten and representing objects in the form of images or writing. This ability can be obtained through reading, writing and arithmetic (calistung: Indonesian abbreviation) activities. Calistung is not a mandatory ability possessed by early childhood, but the ability still needs to be delivered in accordance with the learning methods in pre-primary school, that is playing and learning. To facilitate children's understanding of calistung, objects that are often encountered by children are needed, for example animals that are often found in zoos. Therefore, this research developed calistung learning media with animal objects. To find out the level of interest of children in learning calistung, learning media was developed using Augmented Reality (AR) technology. The development method used is iterative rapid prototyping. Based on media testing using fun testing produces an average total value of 85.6%, which means this learning media is able to increase children's interest in learning calistung.
Sistem Kendali Perangkat Elektronik Jarak Jauh Berbasis Jaringan Nirkabel Menggunakan Secure Shell (SSH) dan robot Operating System (ROS) Jalil, Abdul
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.2020722737

Abstract

Salah satu tantangan di era revolusi industri 4.0 adalah pengembangan sistem kontrol secara jarak jauh menggunakan koneksi jaringan nirkabel. Tujuan penelitian ini adalah membangun sistem kontrol perangkat elektronik jarak jauh dengan memanfaatkan jaringan wireless tethering pada smartphone menggunakan topologi Wireless Local Area Network (WLAN) dan Robot Operating System (ROS) sebagai perangkat lunak kontrol. Pemanfaatan wireless tethering smartphone untuk berbagi koneksi internet dapat dimanfaatkan untuk mengontrol perangkat elektronik yang terkoneksi ke Raspberry Pi. Koneksi jaringan wireless tethering memiliki arsitektur jaringan yang cukup sederhana jika dibandingkan dengan arsitektur pengontrolan jarak jauh lainnya, serta memiliki jarak jangkau koneksi yang cukup jauh dibandingkan dengan koneksi Bluetooth. Metodologi yang digunakan untuk mengontrol perangkat elektronik pada penelitian ini adalah menggunakan Remote Access Control (RAC) berbasis protokol SSH. Pemanfaatan wireless tethering dan aplikasi mobile SSH dapat digunakan untuk mengirim perintah ROS message dari smartphone ke Raspberry Pi untuk mengontrol pin GPIO Raspberry Pi agar aktif high atau aktif low. Pada saat ROS message mengirim perintah ke GPIO untuk aktif high, maka sistem akan memberikan instruksi kepada relay untuk menyalakan perangkat elektronik. Selanjutnya pada saat GPIO menerima perintah untuk aktif low, maka sistem akan memberikan instruksi kepada relay untuk mematikan perangkat elektronik. Hasil penelitian ini adalah smartphone android dapat digunakan untuk mengontrol perangkat elektronik seperti lampu, kipas angin, pemanas ruangan, dan air conditioner secara jarak jauh menggunakan jaringan WLAN berdasarkan perintah dari ROS message. Perangkat elektronik pada penelitian ini dapat di kontrol secara efektif pada jarak 20 meter di dalam ruangan dan 40 meter di area bebas hambatan. AbstractOne of the challenges in the Industrial Revolution 4.0 is the development of control systems by remotely using a wireless network connection. This study aims to build a control system for controlling the electronic devices by remotely with the utilization of wireless tethering network in the smartphone used Wireless Local Area Network (WLAN) topology and Robot Operating System (ROS) as software for the controller. Utilization of wireless tethering in the smartphone for share the internet connection can be used for control the electronic devices that connected to the Raspberry Pi. The connection of wireless tethering has a simple architecture when compared with the other architecture of the control system by remotely, it then has a long-range connection when compared to the Bluetooth connection. The methodology has used to manage the electronic devices in this study is used Remote Access Control (RAC) based on SSH protocol. The utilization of wireless tethering and mobile SSH can be used to sends ROS message command from smartphone to the Raspberry Pi to control the Raspberry Pi GPIO pin to active high or active low. When android smartphone send ROS message command to the Raspberry Pi to make the GPIO to active high, the system will instruct the relay to turn on the electronic devices. Then when GPIO accepts the instruction to active low, the system will instruct the relay to turn off the electronic devices. The result of this study is that android smartphone can be used to control the electronic devices such as a lamp, fan, heater, and air conditioner by remotely used WLAN network and command from ROS message. The electronic devices on this study can be controlled by effectively with the distance of 20 meters in the rooms and 40 meters at the outside area. 
Komparasi Kinerja Algoritma C4.5, Gradient Boosting Trees, Random Forests, dan Deep Learning pada Kasus Educational Data Mining Mutrofin, Siti; Machfud, M. Mughniy; Satyareni, Diema Hernyka; Ginardi, Raden Venantius Hari; Fatichah, Chastine
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.2020742665

Abstract

Penentuan jurusan di SMA Negeri 1 Jogoroto, Jombang, Jawa Timur menggunakan kurikulum 2013, di mana penentuan jurusan siswa tidak hanya melibatkan keinginan siswa, tes peminatan yang dilakukan siswa di SMA pada minggu pertama, tetapi juga dilengkapi dengan nilai siswa semasa di SMP (nilai rapor siswa, nilai Ujian Nasional, serta rekomendasi guru Bimbingan Konseling), rekomendasi orang tua siswa. Selama ini, sekolah menggunakan proses konvensional dalam menentukan jurusan, yaitu menggunakan Microsoft Excel, yang cenderung lama serta rawan akan kekeliruan dalam melakukan penghitungan. Penentuan jurusan ini dilakukan setiap awal ajaran baru pada siswa baru kelas X. Rata-rata setiap tahun, sekolah mengelola siswa sejumlah 290 dengan waktu dan sumber daya manusia yang terbatas. Pada penelitian ini, penggunaan algoritma ID3 tidak cocok karena data bertipe numerik, sedangkan ID3 hanya mampu menggunakan data bertipe nomial maupun polinomial, sehingga diganti algoritma C4.5. Namun, beberapa penelitian mengatakan algoritma C4.5 memiliki kinerja kurang bagus dibandingkan algoritma Gradient Boosting Trees, Random Forests, dan Deep Learning. Untuk itu, dilakukan perbandingan antara keempat metode tersebut untuk melihat keefektifannya dalam menentukan jurusan di SMA. Data yang digunakan pada penelitian ini adalah data penerimaan siswa baru tahun ajaran 2018/2019. Hasil dari penelitian ini menunjukkan jika atribut yang digunakan bertipe polinomial dengan Deep Learning memiliki kinerja paling unggul untuk semua algoritma jika menggunakan fungsi activation ExpRectifier. Sedangkan jika atributnya bertipe numerik, Deep Learning memiliki kinerja paling unggul untuk semua algoritma jika menggunakan fungsi Tanh untuk semua random sampling. Namun, Deep Learning memiliki kinerja paling buruk untuk semua algoritma jika menggunakan loss Function berupa absolut.  Abstract In SMAN 1 Jombang, East Java, the process of determining the students’ majors referred to the 2013 curriculum in which not only the students’ own choices and specialization tests conducted in their first week of SMA were considered but also the student’s SMP grades (a report card, UN scores, and counseling teacher’s recommendation) and parents' recommendation. So far, the school had used Microsoft Excel which required a long time to do and was prone to calculation errors in the process of determination. The process was carried out, with limited time and human resources, at the beginning of a new academic year for grade X students, consisting of 290 students on average. In this present research, the use of ID3 algorithm was not suitable because of its numeric data type instead of nominal or polynomial data. Thus, the C4.5 algorithm was applied, instead. However, the performance of C4.5 algorithm was proved lower than the algorithms of Gradient Boosting Trees, Random Forests, and Deep Learning. Hence, a comparison of performance between them was done to see their effectiveness in the process. The data was the list of new students of the academic year 2018/2019. The results showed that if the attributes are polynomial, the Deep Learning algorithm had the best performance when using the ExpRectifier activation function. When they were numeric, Deep Learning has the most superior performance when using the Tanh function. However, Deep Learning has the worst performance when using the loss function in the form of absolute.
Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca Naufal, Mohammad Farid
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.2021824553

Abstract

Cuaca merupakan faktor penting yang dipertimbangkan untuk berbagai pengambilan keputusan. Klasifikasi cuaca manual oleh manusia membutuhkan waktu yang lama dan inkonsistensi. Computer vision adalah cabang ilmu yang digunakan komputer untuk mengenali atau melakukan klasifikasi citra. Hal ini dapat membantu pengembangan self autonomous machine agar tidak bergantung pada koneksi internet dan dapat melakukan kalkulasi sendiri secara real time. Terdapat beberapa algoritma klasifikasi citra populer yaitu K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Convolutional Neural Network (CNN). KNN dan SVM merupakan algoritma klasifikasi dari Machine Learning sedangkan CNN merupakan algoritma klasifikasi dari Deep Neural Network. Penelitian ini bertujuan untuk membandingkan performa dari tiga algoritma tersebut sehingga diketahui berapa gap performa diantara ketiganya. Arsitektur uji coba yang dilakukan adalah menggunakan 5 cross validation. Beberapa parameter digunakan untuk mengkonfigurasikan algoritma KNN, SVM, dan CNN. Dari hasil uji coba yang dilakukan CNN memiliki performa terbaik dengan akurasi 0.942, precision 0.943, recall 0.942, dan F1 Score 0.942. AbstractWeather is an important factor that is considered for various decision making. Manual weather classification by humans is time consuming and inconsistent. Computer vision is a branch of science that computers use to recognize or classify images. This can help develop self-autonomous machines so that they are not dependent on an internet connection and can perform their own calculations in real time. There are several popular image classification algorithms, namely K-Nearest Neighbors (KNN), Support Vector Machine (SVM), and Convolutional Neural Network (CNN). KNN and SVM are Machine Learning classification algorithms, while CNN is a Deep Neural Networks classification algorithm. This study aims to compare the performance of that three algorithms so that the performance gap between the three is known. The test architecture is using 5 cross validation. Several parameters are used to configure the KNN, SVM, and CNN algorithms. From the test results conducted by CNN, it has the best performance with 0.942 accuracy, 0.943 precision, 0.942 recall, and F1 Score 0.942.
Analisis Faktor Latar Belakang Penyebaran Pesan atau Informasi Melalui Aplikasi Media Sosial ( Studi Kasus Mahasiswa di Indonesia) Surjandy, Surjandy; Meyliana, Meyliana; Condrobimo, A.Raharto; Fernando, Erick
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.2020742092

Abstract

Penggunaan aplikasi media sosial sebagai sarana untuk menyebarkan pesan sangat penting dan dipercaya dapat mempengaruhi penerima pesan untuk membantu menyebarkan kembali pesan yang diterima kepada orang lain, penggunaan aplikasi media sosial untuk keperluan industri seperti untuk iklan atau pemasaran produk.  Namun pesan yang tersebar di media sosial sangat rentan sehingga sangat memungkinkan pesan telah dilakukan modifikasi atau perubahan sehingga menjadi pesan yang tidak benar (hoax/fake news) yang kemudian disebar luaskan melalui aplikasi media sosial.  Dari hal tersebut, pada penelitian ini yang menggunakan explanatory (causal) research atau penelitian yang mencari hubungan antar dua faktor.  Sebagai sampel responden pengguna terbesar internet di Indonesia saat ini adalah mahasiswa sebesar 127,9 juta menurut AJPII, oleh sebab itu penelitian ini mencoba untuk melakukan explorasi bagimana pengaruh latar belakang penyebar pesan dalam hal ini mahasiswa seperti jenis kelamin, umur, tingkat semester, dan waktu yang digunakan menggunakan aplikasi media sosial yang digunakan, apakah mempengaruhi mahasiswa atau mahasiswi dalam melakukan penyebaran informasi/pesan melalui aplikasi media sosial.  Aplikasi SPSS digunakan untuk memvalidasi data dan fungsi Correlation Bivariat digunakan untuk memproses data dalam mencari hubungan antara dua faktor.  Dari penelitian ini ditemukan 5 pasangan faktor yang mempunyai hubungan untuk mempengaruhi, dimana dari temuan ini akan sangat bermanfaat untuk penelitian selanjutnya. AbstractThe use of social media applications as a means to disseminate messages is very essential and is believed to affect the recipient of the message to help redistribute messages received to other, the use of social media applications for industrial purposes such as advertising or product marketing.  However, messages spread on social media are very vulnerable, so it is possible for messages to have been modified or changed so that they become untrue messages (hoaxes) which are then disseminated through social media applications.  From this, in this study using explanatory (causal) research or research that seeks relationships between two factors. As the sample 388 respondents of the total population users of the internet in Indonesia students are 127.9 million according to AJPII, therefore this study tries to explore how the influence of the message disseminator background in this case university students such as gender, age, semester level, and time which is used using social media applications that are used, whether it affects university student in disseminating information / messages through social media applications.  The SPSS applications is used to validated data and the Bivariate Correlation functions is used to process data in finding relationships between two factors. From this study found 5 pairs of factors that have relationship to influence, it means gender and longtime use media sosial as an essential factor to minimise dissemination of hoax or fake news which of these findings will be very useful for future research. 
Sistem Pakar Diagnosis Penyakit Ikan Gurami (Osphronemus Goramy) Menggunakan Case Based Reasoning Saraswati, Adinda Rahmi; Saintika, Yudha; Thohari, Afandi Nur Aziz; Iskandar, Ade Rahmat
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.2020701953

Abstract

Ikan Gurami (Osphronemus Goramy) merupakan ikan yang banyak dibudidayakan dan dikomsumsi masyarakat ini menjadi sektor unggulan di beberapa wilayah kabupaten Banyumas. Ikan gurami yang dibudidayakan oleh masyarakat Banyumas, sebenarnya bukan tanpa hambatan. Salah satu hambatan bagi peternak gurami adalah penyakit yang disebabkan oleh bakteri. Pada penelitian ini penulis membuat sistem pakar untuk mendiagnosis penyakit ikan Gurami yang disebabkan bakteri. Penelitian ini menggunakan metode Case Based Reasoning dan Similarity Nearest Neighbor untuk mendapatkan solusi yang terbaik dari kasus yang di identifikasi. Metode tersebut membandingkan antara kasus lama dengan kasus baru dan menghitung suatu nilai similarity kasus. Nilai similarity tertinggi dapat dijadikan kesimpulan untuk kasus yang paling mirip dengan diagnosa pakar. Sehingga dari kedua metode tersebut dapat dihasilkan sistem pakar yang dapat mendiagnosis dan menganalisis sesuai dengan nilai kemiripan gejala terhadap penyakit, serta menampilkan solusi penanganan dari penyakit yang didiagnosis. Hasil pengujian antar kasus dan sistem menggunakan perhitungan similarity mencapai nilai terbaik yaitu 100%. Hasil pengujian akurasi sistem untuk diagnosis yang sesuai dengan pikiran pakar, memperoleh hasil sebesar 93,33% dari 30 kasus yang diuji dengan sistem. Kesimpulan dari hasil tersebut adalah sistem dapat dikatakan layak untuk mendiagnosis penyakit Gurami yang disebabkan bakteri sesuai dengan yang dipikirkan pakar. AbstractGurami (Osphronemus Goramy) is a fish that is widely cultivated and consumed by the community. This fish is a leading sector in several regions of Banyumas district. Gouramy which is cultivated by the Banyumas people, is actually not without obstacles. One obstacle for gouramy breeders is a disease caused by bacteria. Reporting from the online news portal, circulating in February 2018 circulated that news about Gurami farmers was losing money because thousands of broodstock fish that had been raised to death were attacked by bacterial diseases, namely Aeromoniasis. Experts who handle this are limited, namely only 2 people in the Banyumas Regency. In this study the authors made an expert system to diagnose Gurami fish disease caused by bacteria. This study uses the Case Based Reasoning (CBR) and Nearest Neighbor methods used to get the best solution from the identified case. The CBR method compares the old case with the new case and calculates a case similarity value. The system was built with 13 symptoms and 3 Gurami diseases caused by bacteria. Each symptom each has a weight of 5, 3, and 1. The highest similarity value can be used as a conclusion for the case most similar to the expert diagnosis. So that from these two methods an expert system can be produced that can diagnose and analyze according to the similarity of symptoms to the disease, as well as display solutions to the treatment of diagnosed diseases. The test results are between cases and the system uses the similarity calculation to achieve the best value of 100%. The results of the system accuracy test for diagnoses that are in accordance with the expert's mind, obtained results of 93.33% from 30 cases tested with the system. The conclusion of these results is that the system can be said to be feasible to diagnose Gurami disease caused by bacteria according to what experts think.
Analisis Kinerja Algoritma CART dan Naive Bayes Berbasis Particle Swarm Optimization (PSO) untuk Klasifikasi Kelayakan Kredit Koperasi Riyanto, Eko Arif; Juninisvianty, Tri; Nasution, Doddy Ferdian; Risnandar, Risnandar
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.0812988

Abstract

Koperasi memiliki peranan penting terutama untuk masyarakat kecil dan menengah. Salah satu kendala yang dirasakan oleh koperasi adalah analisa pemberian kredit yang dilakukan secara manual dan hanya berdasarkan kedekatan secara personal dengan anggota sehingga menyebabkan terjadinya kredit – kredit  macet yang tidak diduga. Oleh karena itu perlu adanya perhitungan yang sistematis dalam pemberian kredit kepada para peminjam. Teknik klasifikasi data mining merupakan salah satu teknik yang bisa digunakan dalam menentukan kelayakan kredit. Tujuan dari penelitian ini adalah untuk menentukan metode terbaik untuk klasifikasi kelayakan kredit koperasi menggunakan software Rapidminer dengan membandingkan perhitungan algoritma CART, Naive Bayes, optimasi CART + PSO, dan Naive Bayes + PSO. Data yg digunakan adalah 113 data anggota koperasi. Dari perhitungan dengan acuan kriteria pekerjaan, pendapatan, usia, jenis kelamin, jumlah pinjaman, jangka waktu, akan memperoleh metode terbaik untuk klasifikasi kelayakan kredit. Metode terbaik yang dihasilkan dari penelitian ini adalah metode Naive Bayes + PSO. Nilai accuracy yang diperoleh dari penelitian ini adalah 96,43%, nilai recall 94,12%, niilai precision 100%. Dengan nilai AUC sebesar 0,963 , penelitian ini termasuk dalam klasifikasi baik. Hasil dari penelitian ini dapat digunakan sebagai salah satu pertimbangan untuk klasifikasi kelayakan kredit pada koperasi simpan pinjam. AbstractCredit Union have an important role especially to the small and medium society. One of the problem  that credit union have is an analyzing credit manually and only based on closeness personally that can be an unexpected bad credit for credit union. Therefore, it is necessary to build a systematic calculation to give a credit for debtor. Classification technic in data mining is one of the technic that can use to classify the credit properness. The purpose of this study is to get the best method to classify the credit properness using Rapidminer by compare the calculation of CART, Naive Bayes and the optimization of CART+PSO and Naive Bayes+PSO. The study using 113 data member of credit union. From the calculation reference to the criteria of occupation, income, age, gender, loan amount, loan term, will get the best method for this study. The best method from this study is the Naive Bayes+PSO. The accuracy value obtained from this study was 96.43%, the recall value was 94.12%, and the precision value is 100%. AUC value of 0.963 indicates that this study is included in the good classification. The results of this study can be used as a consideration for the classification of the credit properness of credit union.

Page 50 of 129 | Total Record : 1288

 48   49   50   51   52 

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