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
 51   52   53   54   55 
Desain Arsitektur IoT untuk Budidaya Gurami Sudianto, Yupit
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.0813529

Abstract

Sektor perikanan di Indonesia memiliki potensi bagus untuk dikembangkan. Dengan pengelolaan yang baik, sektor ini dapat memberikan kontribusi bagi ketahanan pangan nasional dan meningkatkan kesejahteraan bagi masyarakat Indonesia. Salah satu sektor perikanan yang menarik untuk dibudidayakan adalah ikan gurami. Gurami banyak diminati oleh masyarakat dan memiliki harga jual yang stabil. Namun, kendala dalam budidaya gurami adalah pertumbuhan yang lambat, biaya pakan yang tinggi, dan tingkat kelangsungan hidup yang rendah. Seiring dengan perkembangan teknologi internet of things (IoT) dewasa ini, tentunya teknologi ini dapat memberikan solusi bagi pembudidaya gurami untuk mengatasi kendala tersebut. Oleh karena itu, pada penelitian ini diusulkan arsitektur IoT untuk budidaya gurami. Arsitektur IoT yang diusulkan dalam penelitian ini memiliki enam desain yang terdiri dari domain model, business process hierarchy, IoT layer, deployment, information, dan interoperability endpoint. Dengan adanya arsitektur IoT ini diharapkan sistem IoT yang dibangun sesuai dengan kebutuhan pembudidaya gurami serta memudahkan developers untuk membangun dan mengembangkan sistem tersebut. AbstractThe fisheries sector in Indonesia has great potential to be developed. With good management, this sector can contribute to national food security and improve welfare for the people of Indonesia. One of the interesting fisheries sector to be cultivated is gurami. Gurami is much in demand by the public and has a stable selling price. However, growth in gouramy cultivation is slow growth, high food costs, and low survival rates. The development of internet of things (IoT) technology today, this technology can provide solutions for gouramy farmers to overcome these obstacles. Therefore, this research proposes IoT architecture for gouramy cultivation. The IoT architecture proposed in this study has six designs consisting of the domain model, business process hierarchy, IoT layer, deployment, information, and interoperability endpoints. The IoT architecture is expected to build the IoT system in accordance with the needs of gouramy farmers and make it easier for developers to build and develop the system.
Analisis Pola Masa Studi Mahasiswa Fakultas Teknik Universitas Darma Persada Menggunakan Metode Clustering Hardianti, Ayu; Agushinta. R, Dewi
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.2020741001

Abstract

Penelitian ini bertujuan menganalisis pola lama studi mahasiswa fakultas teknik universitas Darma Persada daridata akademik. Metode yang digunakan adalah clustering algoritma K-Means. Variabel yang dianalisis adalah jurusan, daerah asal, umur, jenis kelamin, Indeks Prestasi Komulatif (IPK), Satuan Kredit Semester (SKS), tahun masuk, lama studi. Analisis dilakukan menggunakan perangkat lunak WEKA. Penelitian dilakukan melalui pengumpulan data dari arsip atau  database biro Administrasi Akademik yaitu berupa data akademik mahasiswa fakultas teknik Universitas Darma Persada angkatan 2009 sampai 2014. Tahapan selanjutnya adalah preprocessing data yang dilakukan melalui analisis metode clustering menggunakan algoritma K-Means dengan terlebih dahulu menentukan jumlah cluster menggunakan metode Elbow dan interpretasi hasil. Berdasarkan hasil metode Elbow, jumlah cluster sebanyak 4 cluster. Berdasarkan hasil proses K-Means clustering, pembagian data pada masing-masing cluster adalah cluster 1 berjumlah 556 data (26%), cluster 2 berjumlah 414 data (19%), cluster 3 berjumlah 189 data (9%) dan cluster 4 berjumlah 1010 data (46%). Selanjutnya, yang memiliki lama studi lebih dari 4 tahun (lebih dari 8 semester) berada pada cluster 2, cluster 3, cluster 4 sedangkan mahasiswa yang memiliki masa studi 4 tahun (8 semester) berada pada cluster 1.AbstractThe duration of student study is one of the factors that influence the completing students' timeliness. Based on the policy of the National Accreditation Board of Higher Education (BAN-PT) in Regulation No. 4 of 2017 concerning the Policy for Preparing Accreditation Instruments, the duration of study is one of the benchmarks and evaluation elements in accreditation of study programs. From the Faculty of Engineering academic data, Darma Persada University, many students take more than four years of study. The duration of study is one of the problems of the study program manager in terms of academic performance. This study aims to analyze the old patterns of study by students of the Faculty of Engineering, Darma Persada University from academic data. K-Means algorithm clustering technique is used with the variables are majors, the area of origin, age, gender, Grade Point Average (GPA), Semester Credit Unit (SKS), year of entry and study duration. The Waikato Environment for Knowledge Analysis (WEKA) software is used as an analytic tool. The initial stage of research is through collecting data from archives or Academic sections, namely academic data from students of the Faculty of Engineering, Darma Persada University, 2009 to 2014. The next stage is preprocessing data through K-Means algorithm clustering analysis by first calculating many clusters using the Elbow method and result interpretation. From the Elbow method result, the number of clusters used is 4 (four) clusters. Based on the results of the K-Means clustering process, the data sharing in each cluster is cluster 1 (one) totaling 556 data (26%), cluster 2 (two) totaling 414 data (19%), cluster 3 (three) totaling 189 data (9%) and cluster 4 (four) totaling 1010 data (46%). Furthermore, those who have more than 4 years of study are in cluster 2, cluster 3, cluster 4 and students who have a 4-year study period are in cluster 1. 
Implementasi Arsitektur Web Server Cluster Menggunakan Single Board Computer untuk Menunjang Kebutuhan High Availability System Setiawan, Roisul; Kartikasari, Dany Primanita; Rahayudi, Bayu
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.2021824512

Abstract

Untuk mewujudkan ketahanan pangan, diperlukan mekanisme pengumpulan data secara real-time dari produsen  bahan pangan, pendisitribusi bahan pangan sampai pengolah bahan pangan. Namun tidak semua organisasi yang berkecimpung dalam distribusi pangan memiliki infrastruktur sistem informasi yang cukup baik. Untuk mengatasi kendala infrastruktur, penelitian ini mengusulkan untuk membangun arsitektur web server cluster yang dapat menunjang kebutuhan high availability system menggunakan single board computer.  Komponen arsitektur terdiri dari dua tier yaitu: frontend dan backend. Untuk menjamin kehandalan sistem, arsitektur  yang diusulkan didukung dengan komponen load balancing, mekanisme failover dan replikasi database. Sistem telah diuji berasarkan kebutuhan fungsional dan kebutuhan non-fungsional yang sudah didefinisikan sesuai kebutuhan organisasi. Dari hasil pengujian, tingkat availabilitas yang dihasilkan sebesar 95.83%. AbstractTo achieve food security, a real-time data collection mechanism is needed from food producers, food distribution to food processing. However, not all organizations involved in food distribution have adequate information system infrastructure. To overcome infrastructure constraints, this study proposes to build a web server cluster architecture that can support the needs of a high availability system using a single board computer. The architectural component consists of two tiers, namely: frontend and backend. To ensure system reliability, the proposed architecture is supported by load balancing components, failover mechanisms, and database replication. The system has been tested based on functional requirements and non-functional requirements that have been defined according to organizational requirements. From the test results, the resulting availability level is 95.83%.
Analisis Kualitas Layanan Penyedia Data di Indonesia Menggunakan Metode Servqual Sularto, Lana
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.0812753

Abstract

Tujuan utama penelitian ini untuk melakukan evaluasi kualitas layanan penyedia data serta mengukur tingkat kepuasan masyarakat pengguna data di Indonesia dengan menggunakan model SERVQUAL. Kualitas layanan diukur dari perspektif masyarakat pengguna data di wilayah Sumatera Utara, Jawa Timur, Sulawesi Selatan, Kalimantan Selatan, NTB, Maluku dan Papua Barat, sehingga dapat lebih mewakili kebutuhan para pengguna data di wilayah Indonesia. Kuisioner terdiri dari kuisioner persepsi dan harapan dengan menggunakan 5 dimensi SERVQUAL : Reliability, Tangibles,  Responsiveness, Empathy dan Assurance. Hasil dari penelitian adalah bahwa kelima dimensi menunjukkan adanya nilai kesenjangan yang negatif, dengan nilai kesenjangan (gap) tertinggi pada dimensi Empathy. Hal tersebut menunjukkan ketidakpuasan pengguna data terhadap layanan penyedia data. Dapat diambil kesimpulan bahwa kualitas layanan penyedia data di Indonesia, belum memenuhi kebutuhan dan keinginan para pengguna data, sehingga perlu dilakukan upaya perbaikan terhadap setiap dimensi yang telah diukur agar dapat meningkatkan kualitas atas layanan. AbstractThe main purpose of this research is to conduct a quality of service of data provider institutions for various business and research purposes as well as measuring the level of satisfaction of the user community in Indonesia using the SERVQUAL model. Measurement of service quality from the point of view of data user communities in the regions of North Sumatra, East Java, South Sulawesi, South Kalimantan, NTB, Maluku and West Papua, to represent user needs of data in Indonesia. The questionnaire consisted of a perception and expectation questionnaire using 5 SERVQUAL dimensions namely Reliability, Tangibles,  Responsiveness, Empathy and Assurance. Results showed a negative gap value for all 5 dimensions, where the dimension of empathy has the highest gap. These findings indicate dissatisfaction with data provider services, the conclusion is the quality of data provider services in Indonesia, does not meet the users needs and desires, so it is necessary to make improvements to each dimension that has been measured (eliability, Tangibles,  Responsiveness, Empathy and Assurance) in order to improve the quality of data provider services.
Pengembangan Aplikasi Web Perancangan Agenda Perjalanan Wisata Menggunakan Metode User Experience Lifecycle Wardhana, Ariq Cahya; Anggraini, Nenny; Rozy, Nurul Faizah
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.2021822548

Abstract

Berwisata memiliki beberapa kebutuhan sebelum melakukan perjalanan, salah satunya merancang itinerary. Itinerary merupakan rancangan jadwal perjalanan wisata yang membantu wisatawan agar lebih terarah dan teratur. Kurang lengkapnya informasi itinerary perjalanan wisata di Indonesia seperti informasi cara menuju destinasi, transportasi, beserta biayanya menyebabkan wisatawan lebih memilih keluar negeri. Selain itu, kemudahan penyusunan itinerary sangat berpengaruh pada keinginan menuju destinasi wisata. Penelitian ini bertujuan mengembangkan aplikasi berbagi pengalaman perjalanan wisata dalam bentuk itinerary berbasis web. Metode User Experience (UX) Lifecycle berhasil diterapkan pada proses pengembangan aplikasi yang dimulai dari tahap analisis untuk memahami kebutuhan pengguna melalui wawancara dan kuisioner online dengan 136 responden. Tahap desain dilakukan pembuatan persona, sketsa, storyboard, skenario dan wireframe. Hasil desain diimplementasikan dalam bentuk prototipe high fidelity berbasis web. Selanjutnya dilakukan evaluasi prototipe yang menunjukan secara keseluruhan aplikasi berhasil membantu wisatawan dalam merencanakan perjalannnya. AbstractTraveling has several needs before traveling, one of which is designing an itinerary. The itinerary is an itinerary travel design that helps tourists to be more directed and organized. The lack of complete itinerary information on tourist trips in Indonesia, such as information on how to get to destinations, transportation, and their costs, causes tourists to prefer going abroad. Also, the ease of preparation of the itinerary is very influential in the desire to travel destinations. This study aims to develop applications for sharing travel experiences in the form of a web-based itinerary. The User Experience (UX) Lifecycle method was successfully applied to the application development process, starting from the analysis phase to understand user needs through online interviews and questionnaires with 136 respondents. The design phase is carried out, making persona, sketches, storyboards, scenarios, and wireframes — the next step to implement it in the form of a web-based high-fidelity prototype. The prototype evaluation results show that overall, the application succeeded in helping travelers planning their journey. 
Prediksi Jeda dalam Ucapan Kalimat Bahasa Melayu Pontianak Menggunakan Hidden Markov Model Berbasis Part of Speech Negara, Arif Bijaksana Putra; Muhardi, Hafiz; Muniyati, Evi Fathiyah
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.2020742166

Abstract

Informasi jeda adalah salah satu faktor pendukung dari ucapan berkualitas yang dihasilkan oleh sistem Text to Speech. Penelitian ini bertujuan untuk memprediksi jeda pada ucapan kalimat bahasa Melayu Pontianak berbasis part of speech dengan menggunakan tools Hidden Markov Model (HMM). HMM akan menghitung nilai probabilitas dari setiap kemungkinan yang ada. Penelitian ini menggunakan data berupa file rekaman ucapan penutur yang membacakan 500 kalimat berbahasa Melayu Pontianak. Hasil yang didapatkan dari sistem ini yaitu teks kalimat bahasa Melayu Pontianak beserta prediksi jedanya. Indeks jeda dikategorikan menjadi 5 kategori yaitu indeks jeda “0” menandakan tidak ada jeda, “1” menandakan jeda singkat, “2” menandakan jeda panjang, “,” menandakan tanda baca koma, dan “.” menandakan akhir kalimat. Hasil prediksi kemudian diuji menggunakan pengujian akurasi kecocokan jeda ucapan dalam satu kalimat penuh dan pengujian precision, recall dan f-measure. Frasa jeda ucapan yang diuji yaitu frasa jeda 1+2 dan frasa jeda 2. Pengujian dilakukan dengan membandingkan hasil model bigram dan trigram. Berdasarkan pengujian yang telah dilakukan, model trigram lebih baik dalam menghasilkan prediksi jeda ucapan pada kalimat bahasa Melayu Pontianak. AbstractPause information is one of the supporting factors of quality speech produced by the Text to Speech system. Previously there had been research to predict pauses in Pontianak Malay language using other methods, but it still did not get good results. This study aims to predict pauses in Pontianak Malay language sentences using the Hidden Markov Model (HMM) tools based on part of speech. HMM will calculate the probability value of each possibility. This research uses recording file of speeches from speakers who read 500 Pontianak Malay sentences and a new PoS set developed from several existing PoS sets. The results are Pontianak Malay language sentence along with the pause prediction. The pause indices are categorized into 5 categories, the pause index "0" indicates that there is no pause, "1" indicates a short pause, "2" indicates a long pause, "," indicates the comma punctuation, and "." indicates the end of the sentence. The prediction results are then tested using a speech pause match accuracy test in one full sentence and testing of precision, recall and f-measure. The speech pause phrases that are tested are the pause phrase 1+2 and the pause phrase 2. The test is done by comparing the results of the bigram and trigram models. Based on the tests that have been done, the trigram model is better at producing predictions of speech pauses in Pontianak Malay language sentences.
POS Tagging Bahasa Madura dengan Menggunakan Algoritma Brill Tagger Dewi, Nindian Puspa; Ubaidi, Ubaidi
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.2020722449

Abstract

Bahasa Madura adalah bahasa daerah yang selain digunakan di Pulau Madura juga digunakan di daerah lainnya seperti di kota Jember, Pasuruan, dan Probolinggo. Sebagai bahasa daerah, Bahasa Madura mulai banyak ditinggalkan khususnya di kalangan anak muda. Beberapa penyebabnya adalah adanya rasa gengsi dan tingkat kesulitan untuk mempelajari Bahasa Madura yang memiliki ragam dialek dan tingkat bahasa. Berkurangnya penggunaan Bahasa Madura dapat mengakibatkan punahnya Bahasa Madura sebagai salah satu bahasa daerah yang ada di Indonesia. Oleh karena itu, perlu adanya usaha untuk mempertahankan dan memelihara Bahasa Madura. Salah satunya adalah dengan melakukan penelitian tentang Bahasa Madura dalam bidang Natural Language Processing sehingga kedepannya pembelajaran tentang Bahasa Madura dapat dilakukan melalui media digital. Part Of Speech (POS) Tagging adalah dasar penelitian text processing, sehingga perlu untuk dibuat aplikasi POS Tagging Bahasa Madura untuk digunakan pada penelitian Natural Languange Processing lainnya. Dalam penelitian ini, POS Tagging dibuat dengan menggunakan Algoritma Brill Tagger dengan menggunakan corpus yang berisi 10.535 kata Bahasa Madura. POS Tagging dengan Brill Tagger dapat memberikan kelas kata yang sesuai pada kata dengan menggunakan aturan leksikal dan kontekstual.  Brill Tagger merupakan algoritma dengan tingkat akurasi yang paling baik saat diterapkan dalam Bahasa Inggris, Bahasa Indonesia dan beberapa bahasa lainnya. Dari serangkaian percobaan dengan beberapa perubahan nilai threshold tanpa memperhatikan OOV (Out Of Vocabulary), menunjukkan rata-rata akurasi mencapai lebih dari 80% dengan akurasi tertinggi mencapai 86.67% dan untuk pengujian dengan memperhatikan OOV mencapai rata-rata akurasi 67.74%. Jadi dapat disimpulkan bahwa Brill Tagger dapat digunakan untuk Bahasa Madura dengan tingkat akurasi yang baik. Abstract Bahasa Madura is regional language which is not only used on Madura Island but is also used in other areas such as in several regions in Jember, Pasuruan, and Probolinggo. Today, Bahasa Madura began to be abandoned, especially among young people. One reason is sense of pride and also quite difficult to learn Bahasa Madura because it has a variety of dialects and language levels. The reduced use of Bahasa Madura can lead to the extinction of Bahasa Madura as one of the regional languages in Indonesia. Therefore, there needs to be an effort to maintain Madurese Language. One of them is by conducting research on Madurese Language in the field of Natural Language Processing so that in the future learning about Madurese can be done through digital media. Part of Speech (POS) Tagging is the basis of text processing research, so the Madura Language POS Tagging application needs to be made for use in other Natural Language Processing research. This study uses Brill Tagger by using a corpus containing 10,535 words. POS Tagging with Brill Tagger Algorithm can provide the appropriate word class to word using lexical and contextual rule. The reason for using Brill Tagger is because it is the algorithm that has the best accuracy when implemented in English, Indonesian and several other languages. The experimental results with Brill Tagger show that the average accuracy without OOV (Out Of Vocabulary) obtained is 86.6% with the highest accuracy of 86.94% and the average accuracy for OOV words reached 67.22%. So it can be concluded that the Brill Tagger Algorithm can also be used for Bahasa Madura with a good degree of accuracy.
Klasifikasi Mahasiswa HER Berbasis Algoritma SVM dan Decision Tree Purnama, Jajang Jaya; Nawawi, Hendri Mahmud; Rosyida, Susy; Ridwansyah, Ridwansyah; Risnandar, Risnandar
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.0813080

Abstract

Mahasiswa di setiap perguruan tinggi dituntut untuk memperoleh pengetahuan dan keterampilan yang memenuhi syarat dengan prestasi akademik. Hasil dari pembelajaran mahasiswa didapat dari ujian teori dan praktek, setiap mahasiswa wajib menuntaskan nilai sesuai kriteria kelulusan minimum dari masing-masing dosen pengajar, jika dibawah batas minimum maka mahasiswa mengikuti her. Her adalah salah satu cara untuk menuntaskan kriteria kelulusan minimum. Mahasiswa yang mengikuti her setiap semesternya hampir mencapai angka yang relatif tinggi dari jumlah seluruh mahasiswa. Untuk mengurangi jumlah mahasiswa yang mengikuti her maka dibutuhkan sebuah metode yang dapat mengurangi hal tersebut, dengan metode Support Vector Machine (SVM) dan Decision Tree (DT). SVM dan DT adalah salah satu metode klasifikasi supervised learning. Oleh karena itu, dalam penelitian ini menggunakan SVM dan DT. SVM dapat menghilangkan hambatan pada data, memprediksi, mengklasifikasikan dengan sampling kecil dan dapat meningkatkan akurasi dan mengurangi kesalahan. Klasifikasi data siswa yang melakukan her/peningkatan dengan mengimprovisasi model kernel untuk visualisasi termasuk bar, histogram, dan sebaran begitu juga Decision Tree mempunyai kelebihan tersendiri. Dari hasil penelitian ini telah didapatkan akruasi dan presisi model DT lebih besar dibandingkan dengan SVM, akan tetapi untuk recall DT lebih kecil dibandingkan SVM. AbstractStudents in each tertiary institution are required to obtain knowledge and skills that meet the requirements with academic achievement. The results of student learning are obtained from the theory and practice exams, each student is required to complete grades according to the minimum graduation criteria of each teaching lecturer, if below the minimum limit then students take remedial. Remedial is one way to complete the minimum passing criteria. Students who take remedial every semester almost reach a relatively high number of the total number of students. To reduce the number of students who take remedial, a method that can reduce this is needed, with the Support Vector Machine (SVM) and Decision Tree (DT) methods. SVM and DT are one of the supervised learning classification methods. Therefore, in this study using SVM and DT. SVM can eliminate barriers to data, predict, classify with small sampling and can improve accuracy and reduce errors. Data classification of students who do remedial/improvements by improving the kernel model for visualization including bars, histograms, and distributions as well as the Decision Tree has its own advantages. From the results of this study it has been obtained that the accuracy and precision of DT models is greater than that of SVM, but for recall DT is smaller than SVM.
Analisis Sentimen Bahasa Indonesia pada Twitter Menggunakan Struktur Tree Berbasis Leksikon Saputra, Feby Tri; Nurhadryani, Yani; Wijaya, Sony Hartono; Defina, Defina
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.0814133

Abstract

Jumlah opini di media sosial seperti Twitter tersebar luas sehingga tidak mungkin membaca semua opini untuk mendapatkan seluruh sentimen. Analisis sentimen merupakan salah satu metode untuk mengatasi masalah tersebut. Salah satu pendekatan dalam analisis sentimen adalah berbasis leksikon. Pendekatan berbasis leksikon dapat menghasilkan performa yang baik pada lintas topik pembicaraan tanpa memerlukan pelatihan data. Namun, pendekatan berbasis leksikon sangat bergantung pada kelengkapan dan keragaman sentimen leksikon. Selain itu, hubungan antarkata sangat penting untuk diperhatikan karena dapat mengubah polaritas sentimen pada teks. Hubungan antarkata dapat direpresentasikan dengan baik menggunakan struktur tree. Penelitian ini menggunakan struktur tree sebagai interpretasi hubungan antarkata dalam pembentukan kalimat dengan menambahan kata ke dalam sentimen leksikon. Metode berbasis tree diujikan pada data dengan lintas topik seperti data twit Pilgub Jabar 2018, Pilpres 2019, dan pandemik COVID-19. Ketiga data uji memiliki proporsi kelas yang tidak seimbang, dengan kelas terbanyak merupakan kelas positif. Metode berbasis tree menghasilkan akurasi sebesar 64,97% (meningkat 1,26%) pada data Pilgub Jabar 2018, 64,33% (meningkat 11,41%) pada data Pilpres 2019, dan 66,24% (meningkat 7,61%) pada data pandemik COVID-19. Metode berbasis tree dapat menghasilkan akurasi yang stabil pada beberapa lintas topik dibuktikan dengan standar deviasi akurasi yang kecil (0,97%) bahkan lebih kecil dari metode tanpa tree (5,4%). Metode berbasis tree dapat meningkatkan weighted f1-measure pada data Pilpres 2019 sebesar 10,45% dan data pandemik COVID-19 sebesar 8,1%, sedangkan hasil pada data Pilgub 2018 tidak berbeda secara signifikan. Hasil akurasi dan weighted f1-measure memiliki selisih yang kecil sehingga pengukuran akurasi valid dan tidak bias terhadap data tidak seimbang. AbstractThe number of opinions on social media like Twitter is so widespread that it's impossible to read all those opinions to get all the sentiments. Sentiment analysis is one of the methods that could overcome this problem. The lexicon-based approach is one of the sentiment analysis approaches which perform well across data topics without training. However, the lexicon-based approach relies heavily on the completeness and diversity of sentiment lexicons. The relationship between words is important because it could change the sentiment polarity in the text. The tree structure could represent the relationship between words well. This study uses a tree structure as an interpretation of the relationship between words in a sentence. The tree structure is constructed by adding words to the lexicon sentiment. The tree-based method is tested on cross-topic data such as the tweet data of the 2018 West Java Governor Election, the 2019 Presidential Election, and the COVID-19 pandemic. All data used has an unbalanced class proportion, with the positive class being dominant. The accuracy results of the tree-based method on all data consecutively are 64.97% (increased by 1.26%), 64.33% (increased by 11.41%), and 66.24% (increased by 7.61%). The tree-based method produce stable accuracy on several topics proved by the small accuracies standard deviation (0.97%) that even smaller than the non-tree method (5.4%). The weighted f1-measure increases of the tree-based method on all data consecutively are 0% (equal), 10.45%, and 8.1%. The small difference between the weighted f1-measure and accuracy concludes that the accuracy resulted is valid.
Deteksi dan Klasifikasi Merek Mobil untuk Penentuan Iklan Billboard Menggunakan Convolution Neural Network Swastika, Windra; Kurniawan, Ardian; Setiawan, Hendry
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.2020742183

Abstract

Dunia periklanan di Indonesia saat ini memiliki perkembangan yang sangat pesat. Hal ini dibuktikan dengan semakin bertambah banyaknya media periklanan yang diciptakan, salah satunya adalah iklan billboard pada jalan raya. Iklan billboard ini memiliki kelemahan, yaitu materi atau konten dari iklan yang ditampilkan tidak dapat berubah-ubah, dengan demikian maka target dari periklanan tidak bisa tertuju pada konsumen yang tepat. Untuk mengatasi masalah tersebut maka dibutuhkan pemanfaatan teknologi untuk mendukung keefektifan kinerja dari iklan billboard. Pada penelitian ini dibuat sebuah sistem yang dapat mendeteksi mobil dan mengenali merek dari mobil yang terdeteksi, sehingga materi iklan dapat berubah sesuai dengan merek mobil yang dikenali oleh sistem. Untuk deteksi pada mobil digunakan metode You Only Look Once (YOLO) dan untuk klasifikasi pada merek mobil digunakan metode MiniVGGNet. Proses latih dilakukan dengan menggunakan 1100 buah gambar dan terdapat 11 macam merek mobil yang dapat diklasifikasikan. Dari pengujian yang dilakukan, didapatkan akurasi akhir 93% pada deteksi mobil. Untuk klasifikasi dari merek mobil dilakukan pengujian dengan fungsi optimasi Adam dengan ukuran masukan gambar 64x64 piksel. Untuk akurasi terbaik yang didapatkan adalah 60%.AbstractThe world of advertising in Indonesia today has a very rapid development. This is proven by the increasing number of advertising media created, one example is billboard advertising on the highway. Billboard advertising has a weakness, namely the material or the content of the ads displayed cannot change, therefore the target of advertising cannot be directed at the right consumer. To overcome this problem, the use of technology is needed to support the effectiveness of billboard advertising. In this study a system was created which is can detect the car and recognize the brand of the car detected, so the advertising material can change according to the brand of the car that is recognized by the system. For the detection of cars, using You Only Look Once (YOLO) method and for the classification of car brands, using MiniVGGNet method. The training process is carried out using 1100 pictures and there are 11 kinds of car brands that can be classified. From the tests performed, 93% final accuracy was found in car detection. The classification of the car brand was tested with Adam optimization functions with an image input size of 64x64 pixels. For the best accuracy obtained is 60% using the Adam optimization function with the input image size of 64x64 pixels.

Page 53 of 129 | Total Record : 1288

 51   52   53   54   55 

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