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
 53   54   55   56   57 
Implementasi Algoritma TOPSIS dan Metode EUCS untuk Pengujian Sistem Penilaian Kinerja Pegawai pada Laboran Fakultas Teknologi Informasi UKSW Salatiga Saputro, Andreas Arga Rinjani; Hartomo, Kristoko Dwi
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.2020722353

Abstract

Pegawai laboratorium merupakan tenaga kerja kependidikan yang membantu proses pembelajaran mahasiswa dalam bagian vokasi dan akademik. Dalam menjalankan pekerjaannya, pegawai laboratorium terkadang masih belum maksimal. Sehingga kepala sarana & prasarana dan supervisor harus mengontrol pegawai untuk memastikan pegawai berkerja dengan baik. Untuk mengatasi permasalahan dalam pegawai laboratorium serta membantu dalam memanajemen kinerja, dibuatlah sistem informasi berbasis website yang berisi implementasi algoritma TOPSIS pada penilaian kinerja pegawai laboratorium. Terdapat enam kriteria penilaian pegawai laboratorium yang terdiri dari kedisiplinan, tanggung jawab, kerja tim, skill, akademik, dan komunikasi. Hasil akhir penelitian berupa nilai preferensi (Vi) setiap alternatif, dimana terdapat nilai preferensi tertinggi yaitu 1 yang diperoleh 3 dari 12 orang pegawai pada pengujian algoritma TOPSIS. Penyajian sistem informasi dilakukan dengan database yang ditampilkan menggunakan desain dashboard yang tepat digunakan untuk manajemen data. Pengujian EUCS pada website sistem informasi adalah 3.41 dari total nilai kepuasan (4) yang tergolong dalam kategori puas, sehingga dianggap layak dan diterima oleh user.   AbstractLaboratory employee is a education labor which help process learning college student within part of vocational and academic. In carrying out his work, laboratory employee sometimes it's still not optimal. So that the head of facilities & infrastructure and supervisor must control the employee to make sure employees are working well. For counter the problem in laboratory employee and help in performance management, made information system based on website which contain implementation of the TOPSIS algorithm on performance rating of the laboratory employee. There are six laboratory employee rating criteria which consisting of dicipline, responsible, team work, skill, academic, and communication. Last result of the research is the form of preference values (Vi) every alternatif, where there is highest preference value is 1 which is obtained 3 out of 12 employee of the TOPSIS algorithm testing. Presentment of the information system perform with database and displayed using dashboard design which exact used for present data management. EUCS testing on information system website is 3.41 from total satisfaction value (4) which classified of satisfied categori, so that good considered and accepting by user.
Prediksi Bidang Penelitian dan Rekomendasi Dosen Pembimbing Skripsi Berdasarkan Konten Latar Belakang pada Naskah Proposal Menggunakan Metode Multi-Class Support Vector Machine dan Weighted Product Pradana, Yustinus Radityo; Supianto, Ahmad Afif; Mursityo, Yusi Tyroni
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.2021824511

Abstract

Pada Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB), pengerjaan skripsi dimulai dengan melakukan pembuatan praproposal yang berisi latar belakang dan bidang skripsi. Dalam pengerjaan skripsi, mahasiswa butuh pendampingan oleh dosen pembimbing. Dosen pembimbing berfungsi sebagai motivator, pendamping serta pemberi arahan bagi mahasiswa yang sedang mengerjakan skripsi. Dosen pembimbing menjadi krusial dalam pengerjaan skripsi seorang mahasiswa. Oleh karena hal tersebut, pemilihan dosen pembimbing yang memiliki bidang keahlian yang sesuai dengan topik skripsi sangat penting. Pada FILKOM UB, dosen dengan bidang keahlian yang serupa dikumpulkan dalam sebuah kelompok jabatan fungsional dosen (KJFD). Mahasiswa FILKOM UB dapat berdiskusi dengan ketua program studi atau koordinator KJFD untuk mendapatkan rekomendasi dosen yang memiliki bidang keahlian sesuai topik skripsi. Topik skripsi dapat ditentukan dari latar belakang sebuah proposal skripsi. Penelitian ini bertujuan untuk mengetahui tingkat akurasi prediksi KJFD menggunakan algoritme Multi-class Support Vector Machine dan tingkat akurasi rekomendasi dosen pembimbing menggunakan algoritme Weighted Product. Prediksi KJFD dilakukan berdasarkan latar belakang pada naskah skripsi. Rekomendasi dosen diberikan berdasarkan kesesuaian bidang KJFD dosen dengan topik dan beberapa data dosen yang didapatkan dari unit Pengelola Sistem Informasi, Infrastruktur TI dan Kehumasan Fakultas Ilmu Komputer (PSIK FILKOM) seperti  jurusan dosen, sisa kuota bimbingan, tingkatan gelar, dan beban kerja. Hasil pengujian menghasilkan akurasi prediksi bidang skripsi memiliki nilai precision tertinggi sebesar 0,93 dan akurasi rekomendasi dosen pembimbing memiliki nilai precision@k tertinggi sebesar 0,1678 saat nilai k berjumlah 4. Hasil pengujian akurasi tersebut menampilkan bahwa prediksi bidang skripsi dapat dilakukan dengan sangat baik menggunakan Multi-class Support Vector Machine. Sementara rekomendasi dosen pembimbing dapat dilakukan secara optimal dengan jumlah dosen yang direkomendasikan sebanyak 4 dosen.AbstractIn Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB), thesis work started by making preproposal which contains the background and thesis  field/topic. In the working of thesis, undergraduate student needs to be accompanied by a supervisor. Supervisor serve as motivator, companion, and guider for undergraduate students who are doing their thesis research. Supervisor roles become crucial in the working of thesis. Therefore, the selection of supervisor who have areas of expertise that matching with thesis topic is very important. In FILKOM UB, supervisor with similar expertise gathered in a lecturer functional group (KJFD). Students of FILKOM UB may discuss with the head of programme or KJFD coordinator to get a supervisor reccomendation who suitable with the topic of thesis. The topic of thesis can be determined by the introduction contents in  proposal manuscript. This research aims to discover the accuracy of KJFD prediction using Multi-class Support Vector Machine and the accuracy of supervisor reccomendation using Weighted Product. KJFD prediction formulated based on introduction contents in proposal manuscript. Supervisor recommendation done based on the coherency of supervisor’s expertise with the thesis’s topic and also based on some supervisor data that was obtained from unit Pengelola Sistem Informasi, Infrastruktur TI dan Kehumasan Fakultas Ilmu Komputer (PSIK FILKOM). The data that was obtained from unit PSIK FILKOM are supervisor’s majors, remaining quota for supervising, degree level, and work load. Testing result shows the accuracy of thesis’s topic having precision value of 0,93 and accuracy of the supervisor predicition having precision@k value of 0,1678 with k value of 4. The accuracy test result shows that thesis topics prediction can be done very well using Multi-class Support Vector Machine. While supervisor reccomendation can be done optimally when the number of recommended supervisor is 4.
Eliminasi Non-Topic Menggunakan Pemodelan Topik untuk Peringkasan Otomatis Data Tweet dengan Konteks Covid-19 Damayanti, Putri; Purwitasari, Diana; Suciati, Nanik
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.0814324

Abstract

Akun twitter, seperti Suara Surabaya, dapat membantu menyebarkan informasi tentang COVID-19 meskipun ada bahasan lainnya seperti kecelakaan, kemacetan atau topik lain. Peringkasan teks dapat diimplementasikan pada kasus pembacaan data twitter karena banyaknya jumlah tweet yang tersedia, sehingga akan mempermudah dalam memperoleh informasi penting terkini terkait COVID-19. Jumlah variasi bahasan pada teks tweet mengakibatkan hasil ringkasan yang kurang baik. Oleh karena itu dibutuhkan adanya eliminasi tweet yang tidak berkaitan dengan konteks sebelum dilakukan peringkasan. Kontribusi penelitian ini adalah adanya metode pemodelan topik sebagai bagian tahapan dalam serangkaian proses eliminasi data. Metode pemodelan topik sebagai salah satu teknik eliminasi data dapat digunakan dalam berbagai kasus namun pada penelitian ini difokuskan pada COVID-19. Tujuannya adalah untuk mempermudah masyarakat memperoleh informasi terkini secara ringkas. Tahapan yang dilakukan adalah pra-pemrosesan, eliminasi data menggunakan pemodelan topik dan peringkasan otomatis. Penelitian ini menggunakan kombinasi beberapa metode word embedding, pemodelan topik dan peringkasan otomatis sebagai pembanding. Ringkasan diuji menggunakan metode ROUGE dari setiap kombinasi untuk ditemukan kombinasi terbaik dari penelitian ini. Hasil pengujian menunjukkan kombinasi metode Word2Vec, LSI dan TextRank memiliki nilai ROUGE terbaik yaitu 0.67. Sedangkan kombinasi metode TFIDF, LDA dan Okapi BM25 memiliki nilai ROUGE terendah yaitu 0.35. AbstractTwitter accounts, such as Suara Surabaya, can help spread information about COVID-19 even though there are other topics such as accidents, traffic jams or other topics. Text summarization can be implemented in the case of reading Twitter data because of the large number of tweets available, making it easier to obtain the latest important information related to COVID-19. The number of discussion variations in the tweet text results in poor summary results. Therefore, it is necessary to eliminate tweets that are not related to the context before summarization is carried out. The contribution to this research is the topic modeling method as part of a series of data elimination processes. The topic modeling method as a data elimination technique can be used in various cases, but this research focuses on COVID-19. The aim is to make it easier for the public to obtain current information in a concise manner. The steps taken in this study were pre-processing, data elimination using topic modeling and automatic summarization. This study uses a combination of several word embedding methods, topic modeling and automatic summarization as a comparison. The summary is tested using the ROUGE method of each combination to find the best combination of this study. The test results show that the combination of Word2Vec, LSI and TextRank methods has the best ROUGE value, 0.67. While the combination of TFIDF, LDA and Okapi BM25 methods has the lowest ROUGE value, 0.35.
Adaptif Poly Frame PRMA pada Jaringan M2M Kognitif Kapiler Arifianto, Eko; Sofwan, Aghus; Prakoso, Teguh
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.2020752281

Abstract

Komunikasi mesin ke mesin (M2M) pada jaringan kapiler, menggunakan metode transmisi Packet Reservation Multiple Access (PRMA), dan struktur frame data frame biasa, serta skenario komunikasi event driven. Seiring dengan pertambahan perangkat, metode, struktur frame dan skenario komunikasi tersebut tidak dapat menangani laju data yang sangat banyak, sehingga terjadi kemacetan yang memperlambat komunikasi. Penelitian ini bertujuan membuat komunikasi M2M yang lancar walaupun perangkat bertambah banyak, dengan membuat struktur frame baru dan skenario komunikasi baru, berupa Adaptive Poly Frame (APF) serta Scheduler Update (SU). APF dan SU dirancang dengan memberikan nomor urut serta prioritas pada data, yang kemudian dioptimasi dengan meningkatkan peluang persaingan MK (O), jumlah siklus huni slot (B), jumlah siklus huni kanal (S), dan Transmisi Sukses PRMA (TSPRMA). Penelitian ini menghasilkan transmisi sukses 92-28%, optimasi transmisi sukses 93-30%, siklus transmisi 1,5-8,1% dan reduksi siklus transmisi 0,9-7,2%.AbstractMachine to machine (M2M) communication in capillary networks, using the Packet Reservation Multiple Access (PRMA) transmission method, and ordinary frame data frame structures, as well as event driven communication scenarios. Along with the addition of devices, methods, frame structures and communication scenarios cannot handle very large data rates, resulting congestion that results in inefficient communication. This research aims to make M2M communication efficient even though the device is multiplying, by creating new frame structures and new communication scenarios, in the form of Adaptive Poly Frame (APF) and Scheduler Update (SU). APF and SU are designed by sequence number and prioritizing data, which is then optimized by increase the chance of MK contestation (O), the number of slot occupancy cycles (B), the number of canal occupancy cycles (S) and PRMA Success Transmission (TSPRMA). This research resulted in 92-28% successful transmission, 93-30% successful transmission optimization, 1.5-8.1% transmission cycle and 0.9-7.2% transmission cycle reduction
Kayu7net: Identifikasi dan Evaluasi F-Measure Citra Kayu berbasis Deep Convolutional Neural Network (DCNN) Erwin, Iwan Muhammad; Risnandar, Risnandar; Prakarsa, Esa; Sugiarto, Bambang
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.2020712663

Abstract

Identifikasi kayu salah satu kebutuhan untuk mendukung pemerintah dan kalangan bisnis kayu untuk melakukan perdagangan kayu secara legal. Keahlian khusus dan waktu yang cukup dibutuhkan untuk memproses identifikasi kayu di laboratorium. Beberapa metodologi penelitian sebelumnya, proses identifikasi kayu masih dengan cara menggabungkan sistem manual menggunakan anatomi DNA kayu. Sedangkan penggunaan sistem komputer diperoleh dari citra penampamg melintang kayu secara proses mikrokopis dan makroskopis. Saat ini, telah berkembang teknologi computer vision dan machine learning untuk mengidentifikasi berbagai jenis objek, salah satunya citra kayu. Penelitian ini berkontribusi dalam mengklasifikasi beberapa spesies kayu yang diperdagangkan menggunakan Deep Convolutional Neural Networks (DCNN). Kebaruan penelitian ini terletak pada arsitektur DCNN yang bernama Kayu7Net. Arsitektur Kayu7Net yang diusulkan memiliki tiga lapisan konvolusi terhadap tujuh spesies dataset citra kayu. Pengujian dengan merubah citra input menjadi berukuran 600×600, 300×300, dan 128×128 piksel serta masing-masing diulang pada epoch 50 dan 100. DCNN yang diusulkan menggunakan fungsi aktivasi ReLU dengan batch size 32. ReLU bersifat lebih konvergen dan cepat saat proses iterasi. Sedangkan Fully-Connected (FC) berjumlah 4 lapisan akan menghasilkan proses training yang lebih efisien. Hasil eksperimen memperlihatkan bahwa Kayu7Net yang diusulkan memiliki nilai akurasi sebesar 95,54%, precision sebesar 95,99%, recall sebesar 95,54%, specificity sebesar 99,26% dan terakhir, nilai F-measure sebesar 95,46%. Hasil ini menunjukkan bahwa arsitektur Kayu7Net lebih unggul sebesar 1,49% pada akurasi, 2,49% pada precision, dan 5,26% pada specificity dibandingkan penelitian sebelumnya. AbstractWood identification is one of the needs to support the government and the wood business community for a legally wood trading system. Special expertise and sufficient time are needed to process wood identification in the laboratory. Some previous research works show that the process of identifying wood combines a manual system using a wood DNA anatomy. While, the use of a computer system is obtained from the wood image of microscopic and macroscopic process. Recently, the latest technology has developed by using the machine learning and computer vision to identify many objects, the one of them is wood image. This research contributes to classify several the traded wood species by using Deep Convolutional Neural Networks (DCNN). The novelty of this research is in the DCNN architecture, namely Kayu7Net. The proposed of Kayu7Net Architecture has three convolution layers of the seven species wood image dataset. The testing changes the wood image input to 600×600, 300×300, and 128×128 pixel, respectively, and each of them repeated until 50 and 100 epoches, respectively. The proposed DCNN uses the ReLU activation function and batch size 32. The ReLU is more convergent and faster during the iteration process. Whereas, the 4 layers of Fully-Connected (FC) will produce a more efficient training process. The experimental results show that the proposed Kayu7Net has an accuracy value of 95.54%, a precision of 95.99%, a recall of 95.54%, a specificity of 99.26% and finally, an F-measure value of 95.46%. These results indicate that Kayu7Net is superior by 1.49% of accuracy, 2.49% of precision, and 5.26% of specificity compared to the previous work.  
Penerapan Algoritma Pillar Untuk Inisialisasi Titik Pusat K-Means Klaster Dinamis Seputra, Ketut Agus; Wijaya, I Nyoman Saputra Wahyu
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.2020762538

Abstract

K-Means merupakan algoritma yang digunakan untuk melakukan pengklasteran data. Namun, k-means memilikimasalah dalam sensitivitas penentuan partisi awal jumlah klaster. Penelitian terkait menyatakan algoritma k-means tergantung pada penentuan titik pusat klaster awal. Pemilihan pusat klaster awal secara acak cenderung menghasilkan klaster yang berbeda. Sehingga untuk menentukan klaster terbaik harus dilakukan dengan memperhatikan nilai Sum Sequare Error yang terkecil. Untuk mengatasi permasalahan tersebut, penentuan klaster dilakukan dengan menggunakan algoritma pillar. Algoritma pillar menentukan titik pusat klaster dengan memilih data dengan nilai euclidean paling jauh dari titik pusat klaster. Namun pemilihan titik klaster tetap memperhatikan kemungkinan data outlier. Pengujian dilakukan dengan menetapkan satu buah klaster awal sebagai inisialisasi skaligus sebagai klaster pembanding untuk menentukan kualitas klaster berikutnya. Penelitian ini menggunakan data set ruspini dan iris. Untuk data ruspini terdiri dari 76 data set, sedangkan data iris terdiri dari 150 data set. Klaster Pillar memiliki nilai Sum Sequere Error, Variance Cluster, dan Davies yang lebih kecil dibandingkan klaster dinamis pada data set ruspini. Nilai tersebut secara berurutan untuk algoritma pillar adalah 0.28, 0.11, 7.30, 5.88. Untuk data set iris nilai Sum Square Error lebih tinggi dibandingkan dengan klaster dinamis yaitu 0.34. Sedangkan algoritma klaster dinamis memiliki nilai 0.32. Hal tersebut disebahkan penentuan data outlier pada iris data set yang tidak akurat. Ketidakakurantan tersebut berasal dari data yang bersifat multivariat, sehingga memungkinkan data outlier menjadi centroid awal klaster. Sehingga jika dilihat dari nilai validitas SSE, algoritma pillar k-means klaster dinamis masih kurang bekerja optimal dibandingkan dengan algoritma k-means klaster dinamis.
Halaman Belakang dan Daftar Indeks purbosari, lina
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

Abstract

Halaman Belakang dan Daftar Indeks
Analisis Metode Cosine Similarity Pada Aplikasi Ujian Online Otomatis (Studi Kasus JTI POLINEMA) Amalia, Eka Larasati; Jumadi, Angelita Justien; Mashudi, Irsyad Arif; Wibowo, Dimas Wahyu
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.2021824356

Abstract

Dalam konsep e-learning pelaksanaan ujian dilakukan secara online salah satunya ujian esai. Ujian esai online merupakan ujian yang menggunakan metode online dan mewajibkan siswa menjawab dengan kalimat mereka sendiri. Namun, dalam ujian esai online ini memerlukan waktu yang lama untuk mengoreksi jawaban jika dikerjakan secara manual. Agar tidak memakan banyak waktu untuk mengoreksi jawaban siswa maka dalam sistem terdapat penilaian kemiripan jawaban untuk penilaian. Pada penelitian ini dilakukan pembuatan sistem ujian esai online dengan penilaian kemiripan jawaban menggunakan metode Cosine Similarity dan persamaan Term Frequency (TF) untuk menyamakan frekuensi setiap kata yang terdapat dalam kalimat. Suatu faktor yang menentukan bobot kata berdasarkan pada jumlah frekuensi kata dalam sebuah dokumen disebut dengan Term Frequency. Untuk pengujian akurasi metode dilakukan pengujian precision, recall, dan f-measure dan berdasarkan hasil analisis dengan menggunakan metode yang telah dicoba diperoleh rata-rata 81%. Abstract In the e-learning concept, the implementation of exams is carried out online, one of which is an essay exam. The online essay exam is an exam that uses an online method and requires students to answer in their own sentences. However, in this online essay exam, it takes a long time to correct answers if done manually. In order not to take a lot of time to correct student answers, the system has an assessment of the similarity of answers for the assessment. In this study, an online essay exam system was made with the similarity of answers using the Cosine Similarity method and the Term Frequency (TF) equation to equalize the frequency of each word contained in a sentence. Term Frequency is a factor that determines word weight based on the number of word frequencies in a document. To test the accuracy of the method, precision, recall, and f-measure tests were carried out and based on the results of the analysis using the method that had been tried, an average of 81% was obtained.
Aplikasi AR-CA (Augmented Reality Relief Candi Jago) sebagai Upaya Pendokumentasian Digital Relief Candi Jago dan Pengenalan Wisata Sejarah di Malang Fiaji, Noveria Anggraeni; Brata, Komang Candra; Zulvarina, Prima
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 4: Agustus 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021844447

Abstract

Penelitian ini bertujuan untuk mendigitalisasikan cerita fabel yang terdapat dalam relief Candi Jago sebagai upaya memperkenalkan dan mempertahankan kearifan lokal Malang. Relief Candi Jago dipilih karena belum ada pendokumentasian yang optimal terhadap cerita relief tersebut sehingga ketertarikan pada para calon wisatawan untuk mengunjungi lokasi tersebut sangat kurang. Untuk menjawab permasalahan tersebut, maka dilakukan penelitian pengembangan melalui aplikasi AR-CA. Aplikasi AR-CA merupakan aplikasipemanfaatan augmented realitymelalui teknologi yang dapat menjadikan sarana pembelajaran informasi menjadi lebih interaktif dan menarik. Dalam penelitian ini, pendokumentasian cerita relief Candi Jago melalui digital menggunakan pengembangan model desain Recursive, Reflective, Design, and Development(R2D2). Model R2D2 akan memfokuskan pada tiga fokus pengembangan, (1) fokus penetapan, (2) fokus pengembangan desain produk, serta tahap uji kelayakan, dan (3) fokus diseminasi sesuai dengan konteks lingkungan pengembangan dan kebutuhan. Fokus penelitian ini ada dua 1)Tahapan konsep penyusunan Pendokumentasian relief Candi Jago dengan menggunakan aplikasi Augmented Reality (AR) dan 2) Memaparkan Fitur-fitur yang terdapat dalam aplikasi AR-CA. Hasil dari Penelitian ini mengenai tahapan konsep penyusunan, Pertama,pemilihan cerita yang terdapat dalam relief Candi Jago. Kedua, mengubah ketiga cerita yang telah dipilih, berupa teks cerita menjadi teks drama. Ketiga, menentukan markeragar dapat menampilkan objek virtual. Keempat,menentukan tokoh-tokoh sentral dalam setiap cerita yang telah dipilih sebagai iconcerita. Kelima, membuat video animasi berdasarkan teks drama yang telah dibuat pada tahap kedua. Keenam, merancang aplikasi AR sebagai jembatan marker  yang akan menampilkan objek virtual. Fitur-fitur yang terdapat dalam aplikasi AR-CA yaitu fitur kamera AR, fitur cerita yang berisi tiga video animasi yang menggambarkan cerita relief Candi Jago yaitu Kera yang malang, Serigala si Penghasut, Kura-kura yang bandel. Selanjutnya fitur bantuan, fitur tentang, dan control panelkeluar. AbstractThis study aimed to produce a digital instrument for exhibiting temple-relief of Jago Temple as a part of Malang’s tourism promotion and sustainability program. Moreover, this study focused on Jago Temple’s relief due to its limited documentation by far which impacted to the small number of tourists visiting the historical site. Therefore, the AR-CA application was developed to provide solution for the particular issue. AR-CA adopted augmented reality technology to create a learning instrument which is able to deliver more interactive and attractive information. For this study, Recursive, Reflective, Design and Development (R2D2) instructional design model was employed to document the story depicted by the Jago Temple’s relief into a digital form. The R2D2 model would focus on three development methods, (1) defining, (2) designing and developing, and (3) disseminating based on the relevant circumstances and requirements. Furthermore, this study offered two primary results 1) planning stage which is to document Jago Temple’s relief using the augmented reality (AR) application and 2) delivering features on the AR-CA. More specifically, on the planning stage, this study broke down, 1) selecting which stories were going to be exhibited 2) translating the prose into drama text, 3) determining marker to show virtual objects, 4) selecting primary figures within the stories, 5) creating animation video depicting the generated drama text, 6) developing AR application which would present the virtual objects. Meanwhile, this AR-CA application provided a number of features including AR camera, Video Playlist containing three animation videos about a poor ape, deceitful wolf and naughty turtle, Help, About App, and Log Out.  
Sistem Informasi Pelayanan Pasien Studi Kasus Klinik Jati Husada Tangerang Herdiansah, Arief; Fitriawati, Nora; Hariri, Achmad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 3: Juni 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021832750

Abstract

Klinik Jati Husada merupakan salah satu klinik yang berada di kabupaten Tangerang, Dalam menjalankan operasionalnya klinik ini masih menggunakan cara kerja pencatatan data pasien dengan manual sehingga seringkali menghabat proses pelayanan dan pelaporan hasil aktifitas klinik, berdasarkan hal tersebut peneliti berinisiatif melakukan penelitian untuk membuat sebuah perancangan dan membangun sistem informasi pelayanan pasien di klinik. Peneliti menggunakan metode pengumpulan data kualitatif dan kuantitatif, dengan melakukan aktifitas observasi, wawancara dan penyebaran form survey. Peneliti menggunakan UML (Unified Modeling Language) dalam membuat pemodelan desain program berorientasi objek (OOP) dari sistem yang dikembangkan. Proses pembangunan sistem dalam penelitian ini menggunakan model pengembangan sistem waterfall dan menggunakan bahasa pemrograman PHP dalam proses pembagunan aplikasinya. Metode pengujian sistem yang digunakan dalam penelitian ini adalah black box testing dimana peneliti menguji setiap modul yang tersedia di sistem yang dikembangkan bersama-sama pengguna dan peneliti telah memperbaiki semua modul yang dirasa kurang sesuai dengan permintaan pengguna. Sistem informasi pelayanan pasien yang dihasilkan dari penelitian ini telah membantu klinik Jati Husada melakukan pengelolaan data pasien jauh lebih baik. Peneliti berharap sistem pelayanan pasien yang dibangun ini dapat menjadi referensi atau contoh bagi klinik pengobatan ditempat lain yang sejenis. AbstractJati Husada Clinic is one of the clinics in the Tangerang district. In carrying out its operations the clinic uses manual data entry and recording of patients, it holds the process of service and reporting the results of clinical activities, based on these conditions the researchers conducted research to make a design and building a patient service information system in the clinic. Researchers used qualitative and quantitative data collection methods, by conducting observation activities, interviews and distributing survey forms. Researchers use UML (Unified Modeling Language) in making object oriented program design (OOP) modeling of the developed system. The system development process in this study uses a waterfall system development model and uses the PHP programming language in the application development process. The system testing method used in this study is black box testing where the researcher and users have tested every module available in the developed system and the researcher has corrected the modules that have not been in accordance with the user's request. The patient service information system generated from this study has helped Jati Husada clinic to manage patient data much better. Researchers hope that the patient service system developed can be a reference or example for clinics in other similar places.

Page 55 of 129 | Total Record : 1288

 53   54   55   56   57 

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: Oktober 2015 Vol 2, No 2 (2015) Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue