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
 56   57   58   59   60 
Software Watermarking Dinamis dengan Algoritme Collberg-Thomborson Dan Parent Pointer Graf pada Aplikasi Android Turnip, Togu Novriansyah; Lumbantobing, William Suarez; Sitorus, David Christian; Sianturi, Friska Laurenzia
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.2021844500

Abstract

Smartphone merupakan alat umum yang digunakan masyarakat dalam kehidupan sehari-hari. Sistem operasi yang paling banyak digunakan pada smartphone adalah Android. Aplikasi pada Android dapat diperoleh tidak hanya di Play Store saja, namun juga dapat ditemukan secara bebas di website-website yang berada di internet. Oleh karena itu aplikasi Android rentan terhadap pembajakan. Software watermarking merupakan metode umum yang biasanya digunakan untuk mengantisipasi pembajakan perangkat lunak dengan menyisipkan informasi pengenal ke dalam suatu program. Tujuan dari software watermarking adalah untuk membuktikan kepemilikan dari sebuah program. Salah satu teknik watermarking adalah dynamic watermarking. Teknik ini akan men-generate watermark ketika program dieksekusi. Dynamic Graph Watermarking (DGW) merupakan salah satu metode dalam software watermarking. Dalam penyisipan watermark, metode ini menggunakan struktur graf yang dibuat berdasarkan enumerasi graf. Salah satu algoritma dalam DGW adalah Colberg-Thomborson (CT) algorithm. Algoritma tersebut menggunakan code yang dapat membentuk watermark saat runtime program. Pemberian watermark terhadap sebuah aplikasi dilakukan dengan menggunakan CT algorithm dan enumerasi Parent Pointer Graph (PPG). Untuk menyisipkan watermark terhadap aplikasi Android, dibuat sebuah library Java dan sebuah simulator berbasis desktop untuk mengekstrak watermark. Dari hasil pengujian dapat disimpulkan bahwa PPG dapat digunakan sebagai enumerasi pada metode DGW dan memiliki tingkat ketahanan yang tinggi terhadap distortive attack namun tidak pada subtractive dan additive attack. Dari penelitian juga diperoleh hasil bahwa pemberian watermark memberikan penambahan size pada apk Android namun tidak mempengaruhi peningkatan penggunaan memory dan processor aplikasi. Abstract Smartphones are common tools in people’s daily life. The most common operating in smartphone is Android. Our android application can be obtained not only in the Play Store, but also free websites on the internet. Therefore, Android applications are vulnerable to piracy. Software watermarking is a common method used to anticipate software piracy by inserting identifying information into a program. The purpose of software watermarking is to prove ownership of a program. One of the watermarking techniques is dynamic watermarking that generates watermarks when the program is executed. Dynamic Graph Watermarking (DGW) is one of the software watermarking methods. This method uses a graph structure which created based on graph enumeration in inserting the watermark. One of the DGW algorithm is Colberg-Thomborson (CT) which use code that can form a watermark at program run time. For watermarking an application, we use CT algorithm and Parent Pointer Graph (PPG) enumeration.   To embed watermark to the android application we create a Java library and a desktop-based simulator to extract watermark from android application. Our result shows that PPG can be used as an enumeration and has robustness in defending against distortive attack but not to subtractive and additive attacks. we also get that watermark gives an additional size to an android apk but it does not affect the increase in memory and processor usage. 
Halaman Belakang dan Daftar Indeks purbosari, lina
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

Abstract

Halaman Belakang dan Daftar Indeks
Perbandingan Convolution Neural Network Untuk Klasifikasi Kesegaran Ikan Bandeng Pada Citra Mata Prasetyo, Eko; Purbaningtyas, Rani; Adityo, Raden Dimas; Prabowo, Enrico Tegar; Ferdiansyah, Achmad Irfan
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.2021834369

Abstract

Ikan merupakan salah satu sumber protein hewani dan sangat diminati masyarakat Indonesia, dari survey bahan makanan yang diminati, bandeng peringkat keempat dibanding bahan makanan yang lain. Khususnya ikan bandeng, ikan ini menjadi satu dari enam ikan yang banyak dikonsumsi masyarakat selain tongkol, kembung, teri, mujair dan lele, maka ketelitian masyarakat ketika membeli ikan bandeng menjadi perhatian serius dalam memilih ikan bandeng segar. Deteksi kesegaran dengan menyentuh tubuh ikan dapat mengakibatkan kerusakan tanpa disengaja, maka deteksi kesegaran ikan harus dilakukan tanpa menyentuh ikan bandeng dengan memanfaatkan citra kondisi mata. Dalam riset ini, kami melakukan eksperimen implementasi klasifikasi kesegaran ikan bandeng sangat segar dan tidak segar berdasarkan mata menggunakan transfer learning dari empat CNN, yaitu Xception, MobileNet V1, Resnet50, dan VGG16. Dari hasil eksperimen klasifikasi dua kelas kesegaran ikan bandeng menggunakan 154 citra menunjukkan bahwa VGG16 mencapai kinerja terbaik dibanding arsitektur lainnya dimana akurasi klasifikasi mencapai 0.97. Dengan akurasi lebih tinggi dibanding arsitektur lainnya maka VGG16 relatif lebih tepat digunakan untuk klasifikasi dua kelas kesegaran ikan bandeng. AbstractFish, one source of animal protein, is an exciting food for Indonesia's people. From a survey of food-ingredients demanded, milkfish are ranked fourth compared to other food-ingredients. Especially for milkfish, this fish is one of the six fish consumed by Indonesia's people besides tuna, bloating, anchovies, tilapia, and catfish, so the exactitude of the people when buying is a severe concern in choosing fresh milkfish. Detection of freshness by touching the fish's body may cause unexpected destruction, so detecting the fish's freshness should be conducted without touching using the eye image. In this research, we conducted an experimental implementation of freshness milkfish classification (vastly fresh and not fresh) based on the eyes using transfer learning from several CNNs, such as Xception, MobileNet V1, Resnet50, and VGG16. The experimental results of the classification of two milkfish freshness classes using 154 images show that VGG16 achieves the best performance compared to other architectures, where the classification accuracy achieves 0.97. With higher accuracy than other architectures, VGG16 is relatively more appropriate for classifying two classes of milkfish freshness.
Kinerja Metode CNN untuk Klasifikasi Pneumonia dengan Variasi Ukuran Citra Input Nugroho, Budi; Puspaningrum, Eva Yulia
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.2021834515

Abstract

Saat ini banyak dikembangkan proses pendeteksian pneumonia berdasarkan citra paru-paru dari hasil foto rontgen (x-ray), sebagaimana juga dilakukan pada penelitian ini. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur yang berbeda dengan sejumlah penelitian sebelumnya. Selain itu, penelitian ini juga memodifikasi model CNN dimana metode Extreme Learning Machine (ELM) digunakan pada bagian klasifikasi, yang kemudian disebut CNN-ELM. Dataset untuk uji coba menggunakan kumpulan citra paru-paru hasil foto rontgen pada Kaggle yang terdiri atas 1.583 citra normal dan 4.237 citra pneumonia. Citra asal pada dataset kaggle ini bervariasi, tetapi hampir semua diatas ukuran 1000x1000 piksel. Ukuran citra yang besar ini dapat membuat pemrosesan klasifikasi kurang efektif, sehingga mesin CNN biasanya memodifikasi ukuran citra menjadi lebih kecil. Pada penelitian ini, pengujian dilakukan dengan variasi ukuran citra input, untuk mengetahui pengaruhnya terhadap kinerja mesin pengklasifikasi. Hasil uji coba menunjukkan bahwa ukuran citra input berpengaruh besar terhadap kinerja klasifikasi pneumonia, baik klasifikasi yang menggunakan metode CNN maupun CNN-ELM. Pada ukuran citra input 200x200, metode CNN dan CNN-ELM menunjukkan kinerja paling tinggi. Jika kinerja kedua metode itu dibandingkan, maka Metode CNN-ELM menunjukkan kinerja yang lebih baik daripada CNN pada semua skenario uji coba. Pada kondisi kinerja paling tinggi, selisih akurasi antara metode CNN-ELM dan CNN mencapai 8,81% dan selisih F1 Score mencapai 0,0729. Hasil penelitian ini memberikan informasi penting bahwa ukuran citra input memiliki pengaruh besar terhadap kinerja klasifikasi pneumonia, baik klasifikasi menggunakan metode CNN maupun CNN-ELM. Selain itu, pada semua ukuran citra input yang digunakan untuk proses klasifikasi, metode CNN-ELM menunjukkan kinerja yang lebih baik daripada metode CNN. AbstractThis research developed a pneumonia detection machine based on the lungs' images from X-rays (x-rays). The method used is the Convolutional Neural Network (CNN) with a different architecture from some previous research. Also, the CNN model is modified, where the classification process uses the Extreme Learning Machine (ELM), which is then called the CNN-ELM method. The empirical experiments dataset used a collection of lung x-ray images on Kaggle consisting of 1,583 normal images and 4,237 pneumonia images. The original image's size on the Kaggle dataset varies, but almost all of the images are more than 1000x1000 pixels. For classification processing to be more effective, CNN machines usually use reduced-size images. In this research, experiments were carried out with various input image sizes to determine the effect on the classifier's performance. The experimental results show that the input images' size has a significant effect on the classification performance of pneumonia, both the CNN and CNN-ELM classification methods. At the 200x200 input image size, the CNN and CNN-ELM methods showed the highest performance. If the two methods' performance is compared, then the CNN-ELM Method shows better performance than CNN in all test scenarios. The difference in accuracy between the CNN-ELM and CNN methods reaches 8.81% at the highest performance conditions, and the difference in F1-Score reaches 0.0729. This research provides important information that the size of the input image has a major influence on the classification performance of pneumonia, both classification using the CNN and CNN-ELM methods. Also, on all input image sizes used for the classification process, the CNN-ELM method shows better performance than the CNN method.
Implementasi Algoritma You Only Look Once (YOLO) untuk Deteksi Korban Bencana Alam Sarosa, Moechammad; Muna, Nailul
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.2021844407

Abstract

Bencana alam merupakan suatu peristiwa yang dapat menyebabkan kerusakan dan menciptakan kekacuan. Bangunan yang runtuh dapat menyebabkan cidera dan kematian pada korban. Lokasi dan waktu kejadian bencana alam yang tidak dapat diprediksi oleh manusia berpotensi memakan korban yang tidak sedikit. Oleh karena itu, untuk mengurangi korban yang banyak, setelah kejadian bencana alam, pertama yang harus dilakukan yaitu menemukan dan menyelamatkan korban yang terjebak. Penanganan evakuasi yang cepat harus dilakukan tim SAR untuk membantu korban. Namun pada kenyataannya, tim SAR mengalami kendala selama proses evakuasi korban. Mulai dari sulitnya medan yang dijangkau hingga terbatasnya peralatan yang dibutuhkan. Pada penelitian ini sistem diimplementasikan untuk deteksi korban bencana alam yang bertujuan untuk membantu mengembangkan peralatan tim SAR untuk menemukan korban bencana alam yang berbasis pengolahan citra. Algoritma yang digunakan untuk mendeteksi ada atau tidaknya korban pada gambar adalah You Only Look Once (YOLO). Terdapat dua macam algoritma YOLO yang diimplementasikan pada sistem yaitu YOLOv3 dan YOLOv3 Tiny. Dari hasil pengujian yang telah dilakukan didapatkan F1 Score mencapai 95.3% saat menggunakan YOLOv3 dengan menggunakan 100 data latih dan 100 data uji. Abstract Natural disasters are events that can cause damage and create havoc. Buildings that collapse and can cause injury and death to victims. Humans can not predict the location and timing of natural disasters. After the natural disaster, the first thing to do is find and save trapped victims. The handling of rapid evacuation must be done by the SAR team to help victims to reduce the amount of loss due to natural disasters. But in reality, the process of evacuating victims of natural disasters is still a lot of obstacles experienced by the SAR team. It was starting from the difficulty of the terrain that is reached to the limited equipment needed. In this study, a natural disaster victim detection system was designed using image processing that aims to help find victims in difficult or vulnerable locations when directly reached by humans. In this study, a detection system for victims of natural disasters was implemented which aims to help develop equipment for the SAR team to find victims of natural disasters based on image processing. The algorithm used is You Only Look Once (YOLO). In this study, two types of YOLO algorithms were compared, namely YOLOv3 and YOLOv3 Tiny. From the test results that have been obtained, the F1 Score reaches 95.3% when using YOLOv3 with 100 training data and 100 test data.
Arsitektur Observable-SOA untuk Pengembangan Perpustakaan Digital Terintegrasi Nasional Kurniawan, Tri Astoto; Noor, Johan A. E.; Santoso, Nurudin
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.2021844966

Abstract

Katalog induk nasional (KIN) memegang peran mendasar dalam pengembangan perpustakaan digital terintegrasi nasional. KIN merupakan hasil konsolidasi katalog dari setiap perpustakaan anggota. Perpustakaan Nasional RI (Perpusnas), yang bertanggung jawab untuk membangun KIN, saat ini menggunakan sebuah platform tunggal dalam konsolidasi tersebut. Semua perpustakaan anggota harus menyediakan sistem yang sama, baik perangkat keras maupun perangkat lunak, untuk bisa berkolaborasi dalam KIN. Arsitektur monolitik seperti ini sangat berpotensi menghalangi perpustakaan yang belum siap dengan sistem yang dibutuhkan untuk berkontribusi dalam pengembangan KIN karena membutuhkan biaya yang tidak sedikit. Artikel ini membahas arsitektur Observable-SOA untuk menjadi alternatif arsitektur yang fleksibel sehingga memungkinkan beberapa perpustakaan anggota yang berjalan pada berbagai platformnya masing-masing yang saling berbeda untuk bisa melakukan interoperasi secara efektif dalam mengembangkan KIN. Arsitektur tersebut memanfaatkan konsep yang ada pada SOA (service-oriented architecture) dan pola perancangan Observer. Arsitektur yang diusulkan, berikut algoritme dari beberapa layanan (service) dasar, telah berhasil diuji fungsionalitasnya dalam melakukan konsolidasi KIN dan pencarian katalog pada lingkungan simulasi yang merepresentasikan interoperasi antara Perpusnas dengan setiap perpustakaan anggotanya. Lingkungan uji tersebut melibatkan 4 perpustakaan digital yang diimplementasikan dengan menggunakan 3 sistem perpustakaan terintegrasi yang bersifat open source. Arsitektur Observable-SOA ini bisa menjadi pengganti arsitektur monolitik yang saat ini digunakan oleh Perpusnas untuk mengembangkan KIN tanpa harus membebani perpustakaan anggota dengan berbagai perangkat tambahan. AbstractThe national union catalog (KIN) plays a fundamental role in developing a national integrated digital library (NIDL). KIN is consolidated from the catalogs of its various constituent libraries. The National Library of Indonesia (Perpusnas), which is responsible for building KIN, is currently using a single platform built for such consolidation purposes. All constituent libraries must provide the same system, which includes hardware and software, to collaborate in KIN. This monolithic setting may prevent some libraries, which are not ready with the required system, to contribute in developing such KIN since it costs a lot. This article discusses the Observable-SOA architecture to provide a flexible setting allowing some constituent libraries with various different platforms to effectively interoperate in developing such catalog within a NIDL. Such architecture leverages the Observer design pattern and SOA (service-oriented architecture) concepts. The proposed architecture and some basic services algorithms were successfully tested for its functionalities in consolidating KIN and searching a particular catalog within a simulated environment representing the interoperability between the Perpusnas and its constituents. Such environment involved 4 digital libraries implemented by using 3 open-source integrated library systems (ILSs). This Observable-SOA architecture may be used to replace the monolithic architecture currently used by the Perpusnas to develop KIN without burdening the constituent libraries with various additional systems
Identifikasi Kemurnian Daging Berbasis Analisis Citra Yulianti, Nila Susila; Seminar, Kudang Boro; Hermanianto, Joko; Wahjuni, Sri
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.0813307

Abstract

Daging sapi merupakan salah satu sumber protein hewani yang diperlukan oleh tubuh. Pada tahun 2015 dan 2016 konsumsi daging sapi per kapita sebesar 0,417 kg dan terjadi kenaikan pada tahun 2017 yaitu 12,50 % sebesar 0,469 kg. Sementara harga rata-rata daging sapi di tahun 2015 sebesar Rp 104 747 per kg dan mengalami kenaikan pada tahun 2016 yaitu 8,41 % sebesar Rp 113 555 per kg.  Di tahun 2017 kembali terjadi kenaikan yaitu 2,09 % sebesar 115 932 per kg. Berdasarkan sensus penduduk tahun 2010 mendata jumlah penduduk muslim sebesar 207176162 yaitu 87 % dari total penduduk di Indonesia. Kekhawatiran daging halal sangat penting di negara mayoritas muslim. Metode secara konvensional dengan uji laboratorium untuk mendeteksi daging celeng membutuhkan waktu yang relatif lama, tempat khusus, serta biaya yang relatif mahal. Sementara daging yang diwaspadai dicampur dengan daging babi hutan bisa terjadi di berbagai tempat seperti pasar, retailer serta  distributor yang sepatutnya bisa dideteksi seketika di tempat tersebut secara cepat. Oleh karena itu, diperlukan sistem yang mudah, cepat, dan mudah dibawa untuk mendeteksi daging sapi murni (tanpa campuran daging lainnya) dalam penelitian ini adalah daging celeng.Paper ini membahas metode deteksi daging campuran berbasis citra menggunakan Convolutional Neural Network (CNN) yang dapat dioperasikan di android. Keunggulan metode ini dapat melakukan proses pembelajaran secara mandiri yaitu ekstraksi citra dan klasifikasi, adapun kemampuan lain yang dimiliki yaitu dapat menangani deformasi gambar seperti translasi, rotasi dan skala. Akurasi yang didapatkan dari metode ini yaitu 94 % untuk mendeteksi daging sapi murni, daging celeng murni, dan daging campuran sapi dan celeng. Sementara presisi untuk celeng, campuran dan sapi yaitu 100 %, 90 % dan 95 %. Selain itu, recall untuk celeng, campuran dan sapi yaitu 85 %, 95 %, dan 97,5 %. Prototipe sistem deteksi yang dikembangkan telah diimplementasikan pada platform android dan diuji pada situasi pencahayaan yang masih terkondisikan. Upaya penyempurnaan ke depan adalah menambah fitur sistem pencahayaan  khusus/standar dengan kamera khusus yang memiliki cahaya tambahan yang mengatasi keragaman tingkat pencahayaan di tempat terbuka. AbstractBeef is one of animal protein source that important for human body. In 2015 and 2016 beef consumption per capita was 0.417 kg and it was increasing in 2017 by 12.50 % (i.e., 0.469 kg). While The average price of beef  at Rp 104 747 per kg in 2015 and went up  by 8,41 % at Rp 113 555 per kg in 2016. In 2017, there was an increase by 2,09 % at Rp 115 932 per kg. The increase of beef price average occurred in 2015 amounting to Rp 104 747 per kg and an increase in 2016 that was 8.41% amounting to Rp 113 555 per kg. Based on the population census in 2010 recorded a Muslim population of 207176162 which is 87% of the total population in Indonesia. The concern of halal (lawful) meat is very critical in the muslim majority country. The conventional method with laboratory testing to detect wild boar meat requires a relatively long time, a special place, and a relatively expensive cost. While meat that is mixed with wild boar can happen in various places such as markets, retailers and distributors which can be detected immediately in that place quickly.Therefore, a system that can be easily, quickly and portably used for detecting pure beef (without other mixed meat) in this study is wild boar.  This paper discusses image-based mixed meat detection methods using the Convolutional Neural Network (CNN) that can be operated on android. so the proposed computationally method is Convolutional Neural Network (CNN). The advantages of this method can do the learning process independently, object extraction and classification, while the other capabilities that can handle image deformation such as translation, rotation, and scale. This method yields an overall accuracy of 94% for detecting pure beef, pure wild boar meat, and mixed beef and wild boar. The obtained precision values for wild boar, mixed meat and beef  are by 100 %, 90 % and 95 % respectively. Moreover, the values recall for wild boar, mixed meat and beef are by 85 %, 95 % and 97,5 % respectively. The prototype detection system developed has been implemented on the Android platform and tested in a lighting situation that is still conditioned. A  future effort to improve is providing   special / standard lighting with a special camera that has additional light that can overcome the diversity of levels of exposure in the open areas. 
Pengenalan Ras Berdasarkan Hidung Dan Mulut Menggunakan Gray Level Co-Occurrence Matrix Rachmawati, Ema; Agustina, Nur Azizah; Sthevanie, Febryanti
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.2021844366

Abstract

Ras dapat digunakan untuk mengkategorikan manusia dalam populasi atau kelompok besar. Oleh karena itu, pengenalan ras dapat berguna untuk mempermudah dalam mengidentifikasi seseorang dan membantu dalam mempersempit lingkup pencarian. Penggunaan wajah sebagai dasar pengenalan ras mengarahkan penelitian pada identifikasi penggunaan bagian wajah yang berpengaruh signifikan terhadap kinerja pengenalan ras. Pada penelitian ini bagian wajah berupa hidung dan mulut diidentifikasi untuk digunakan sebagai dasar pengenalan ras Mongoloid, Kaukasoid, dan Negroid. Ciri Gray Level Co-occurrence Matrix (GLCM) diekstrak dari bagian hidung dan mulut untuk selanjutnya diklasifikasi menggunakan Random Forest. Hasil eksperimen menunjukkan bahwa penggunaan ciri gabungan dari hidung dan mulut mampu menghasilkan kinerja sistem yang paling baik jika dibandingkan penggunaan hidung atau mulut saja. AbstractRace can be used to categorize humans in populations or large groups. Therefore, racial recognition can be useful to make it easier to identify a person and help narrow the scope of the search. The use of faces as a basis for race recognition directs research on identifying the use of facial parts that significantly influence the performance of race recognition. In this study, the face parts of the nose and mouth were identified to be used as a basis for the recognition of the Mongoloid, Caucasoid, and Negroid races. The Gray Level Co-occurrence Matrix (GLCM) feature is extracted from the nose and mouth to be classified using Random Forest. The experimental results show that the use of combined features of the nose and mouth is able to produce the best system performance compared to the use of the nose or mouth only. 
Pengumpulan Data Twitter Tentang Covid-19 di Indonesia untuk Menghitung Tingkat Engagement Pengguna Narulita, Luvia Friska; Sulistyawati, Dwi Harini
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.2021834626

Abstract

Dari Twitter, pengguna dapat mendapatkan informasi tentang berbagai hal, begitu juga informasi tentang COVID-19. Dalam penelitian ini, dilakukan penelitian tentang tingkat engagement pengguna terhadap twit yang membahas tentang COVID-19. Penelitian dilakukan terhadap data twit pada bulan April 2020 hingga bulan Juni 2020. Data twit didapatkan dari akun akun yang khusus membahas tentang COVID serta akun milik pemerintah dengan melakukan penyaringan pada twit yang khusus membahas tentang COVID saja. Tujuan dari penelitian ini adalah untuk mengetahui tingkat engagement pengguna yang dapat diartikan dengan tingkat interaksi pengguna terhadap twit yang membahas tentang COVID-19 pada saat awal virus COVID-19 merebak hingga pada saat mulai dikenalkan istilah New Normal atau adaptasi kebiasaan baru. Dari penelitian yang dilakukan, didapatkan hasil bahwa tingkat interaksi pengguna terhadap twit tentang COVID menurun pada bulan Juni ketika kasus COVID semakin bertambah dan pelaksanaan kebijakan bekerja dari rumah sudah dilaksanakan sekitar dua bulan. Penurunan tingkat engagement pengguna sebesar 0,5% pada bulan Juni. AbstractTwitter users in Indonesia quite a lot. From Twitter, users can get information about various things, as well as information about COVID-19. In this study, research was conducted on the level of user engagement on tweets that discussed COVID-19. The study was conducted on tweet data from April 2020 to June 2020. The tweet data was obtained from accounts specifically discussing COVID and government-owned accounts by filtering on tweets which specifically discussed COVID only. The purpose of this study is to determine the level of user engagement which can be interpreted by the level of user interaction with tweets that discuss COVID-19 at the beginning of the COVID-19 virus spread until it was introduced to the term New Normal. This term is introduced to people to encourage them wearing mask and implementing health protocol during their activities.  From the research conducted, it was found that the level of user interaction with tweets about COVID decreased in June when COVID cases increased and the implementation of the work from home policy had been carried out for about two months.
Implementasi Virtual Business Card Berbasis Android Menggunakan Augmented Reality Satrio, Bambang; Suryanto, Agus; Mulwinda, Anggraini; Fathoni, Khoirudin
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.2021842690

Abstract

Kartu bisnis masih sering digunakan pada saat ini, namun ada beberapa kekurangan yang membuatnya terasa tertinggal dan akhirnya akan tergantikan. Kartu bisnis memiliki keterbatasan dalam menampilkan informasi dan terkesan monoton sehingga tidak menarik. Teknologi Augmented Reality dapat membuat kartu bisnis konvensional menjadi kartu bisnis digital (Virtual Business Card). Virtual Business Card dapat menampilkan banyak informasi yang sebelumnya tidak dapat ditampilkan pada kartu bisnis konvensional, dan lebih interaktif dalam menampilkan informasi sehingga dapat menarik minat pengguna. Metode pengembangan yang digunakan dalam pembuatan aplikasi Virtual Business Card adalah Agile Development. Langkah-langkah penelitian ini adalah Planning, Design, Coding, dan Testing. Pada pengujian aplikasi ini, dilakukan dengan pengujian alpha berupa functional testing (uji black box) dan pengujian beta berupa usability testing (uji ahli media dan uji pengguna aplikasi). Penelitian ini menghasilkan aplikasi Virtual Business Card yang berisi data informasi digital yang dapat digunakan untuk keperluan pribadi. Dari hasil pengujian yang dilakukan, aplikasi dapat dikategorikan “Sangat Baik” sehingga aplikasi dapat dinyatakan layak untuk digunakan sebagai informasi digital pribadi. Berikut ini hasil dari masing-masing pengujian. Hasil pengujian alpha berupa functional testing, yaitu black box mendapatkan persentase 100%. Hasil pengujian beta berupa usability testing, yaitu uji ahli media mendapatkan persentase 89,88% dan uji pengguna mendapatkan persentase 84%. AbstractBusiness cards are still often used today, but some functions can still be optimized to cover the shortcomings of business cards, so they are not left behind and replaced. Business cards have limitations in displaying information and are not interactive, making them less attractive to use. Augmented Reality (AR) technology can make conventional business cards into digital business cards (Virtual Business Cards). Virtual Business Cards can display much information that previously could not be displayed on conventional business cards and is more interactive in displaying information so that it can attract the user's interest. The development method used in making Virtual Business Card applications is the Extreme Programming type of Agile Development. The steps of this research are Planning, Design, Coding, and Testing. In testing this application, alpha testing is done in the form of functional testing (black box test) and beta testing in the form of usability testing (media expert test and application user test). This research resulted in a Virtual Business Card application that contains digital information data that can be used for personal use. From the results of tests conducted, the application can be categorized as "Very Good" so that the application can be declared eligible for use as personal digital information. The following are the results of each test. Alpha test results in the form of functional testing, namely, the black box test get a percentage of 100%. The results of beta testing are in the form of usability testing, i.e., media expert tests get a percentage of 89.88%, and user tests get a percentage of 84%.

Page 58 of 129 | Total Record : 1288

 56   57   58   59   60 

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