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
 59   60   61   62   63 
Komparasi Metode Klasifikasi untuk Deteksi Ekspresi Wajah Dengan Fitur Facial Landmark Bachtiar, Fitra A.; Wafi, Muhammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021834434

Abstract

Human machine interaction, khususnya pada facial behavior mulai banyak diperhatikan untuk dapat digunakan sebagai salah satu cara untuk personalisasi pengguna. Kombinasi ekstraksi fitur dengan metode klasifikasi dapat digunakan agar sebuah mesin dapat mengenali ekspresi wajah. Akan tetapi belum diketahui basis metode klasifikasi apa yang tepat untuk digunakan. Penelitian ini membandingkan tiga metode klasifikasi untuk melakukan klasifikasi ekspresi wajah. Dataset ekspresi wajah yang digunakan pada penelitian ini adalah JAFFE dataset dengan total 213 citra wajah yang menunjukkan 7 (tujuh) ekspresi wajah. Ekspresi wajah pada dataset tersebut yaitu anger, disgust, fear, happy, neutral, sadness, dan surprised. Facial Landmark digunakan sebagai ekstraksi fitur wajah. Model klasifikasi yang digunakan pada penelitian ini adalah ELM, SVM, dan k-NN. Masing masing model klasifikasi akan dicari nilai parameter terbaik dengan menggunakan 80% dari total data. 5- fold cross-validation digunakan untuk mencari parameter terbaik. Pengujian model dilakukan dengan 20% data dengan metode evaluasi akurasi, F1 Score, dan waktu komputasi. Nilai parameter terbaik pada ELM adalah menggunakan 40 hidden neuron, SVM dengan nilai  = 105 dan 200 iterasi, sedangkan untuk k-NN menggunakan 3 k tetangga. Hasil uji menggunakan parameter tersebut menunjukkan ELM merupakan algoritme terbaik diantara ketiga model klasifikasi tersebut. Akurasi dan F1 Score untuk klasifikasi ekspresi wajah untuk ELM mendapatkan nilai akurasi sebesar 0.76 dan F1 Score 0.76, sedangkan untuk waktu komputasi membutuhkan waktu 6.97´10-3 detik.    AbstractHuman-machine interaction, especially facial behavior is considered to be use in user personalization. Feature extraction and classification model combinations can be used for a machine to understand the human facial expression. However, which classification base method should be used is not yet known. This study compares three classification methods for facial expression recognition. JAFFE dataset is used in this study with a total of 213 facial images which shows seven facial expressions. The seven facial expressions are anger, disgust, fear, happy, neutral, sadness, dan surprised. Facial Landmark is used as a facial component features. The classification model used in this study is ELM, SVM, and k-NN. The hyperparameter of each model is searched using 80% of the total data. 5-fold cross-validation is used to find the hyperparameter. The testing is done using 20% of the data and evaluated using accuracy, F1 Score, and computation time. The hyperparameter for ELM is 40 hidden neurons, SVM with  = 105 and 200 iteration, while k-NN used 3 k neighbors. The experiment results show that ELM outperforms other classification methods. The accuracy and F1 Score achieved by ELM is 0.76 and 0.76, respectively. Meanwhile, time computation takes 6.97 10-3 seconds.      
Penerapan Metode Association Rule Mining untuk Asosiasi Ulasan Terhadap Aspek Tempat Wisata Jawa Timur Park 3 Maulidah, Aisyatul; Bachtiar, Fitra A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854417

Abstract

Google Review pada salah satu fitur Google Maps dapat menjadi salah satu media untuk mengukur tingkat kepuasan pengunjung Jawa Timur Park 3 (Jatim Park 3). Akan tetapi jumlah ulasan yang mencapai ribuan dan belum tersedianya media pengelola data ulasan dapat mempersulit manajemen Jatim Park 3 dalam mengeksplorasi dan menganalisis masukan pengunjung secara mendetail. Penelitian ini memanfaatkan teknik Association Rule Mining (ARM) dalam mengelola data ulasan sehingga dapat menemukan hubungan kata yang sering muncul pada ulasan. Teknik ini paling populer untuk menemukan hubungan tersembunyi antar variabel. Algoritma yang digunakan dalam mengimplementasikannya adalah algoritma Apriori karena dianggap paling efisien. Pada penelitian ini menggunakan data ulasan sebanyak 1067 ulasan dalam Bahasa Indonesia dari bulan Januari sampai bulan April tahun 2019. Berdasarkan wawancara, data tersebut digolongkan menjadi 8 aspek berdasarkan kata kunci yang sudah ditentukan sebelumnya. Aspek tersebut antara lain akses jalan, biaya, kebersihan, kepuasan, keramaian, pelayanan, keamanan, dan teknologi. Pengujian dilakukan untuk mengetahui pengaruh minimum support dan minimum confidence terhadap rule yang terbentuk. Keseluruhan aspek mampu menghasilkan asosiasi kata dengan algoritma Apriori. Selain itu, Keseluruhan rule yang terbentuk menghasilkan rata-rata lift ratio di atas 1 dimana rule dengan nilai lift ratio diatas 1 tersebut merupakan rule yang unik diantara rule-rule lain yang terebentuk dari asosiasi tersebut. Pada penelitian ini, rule yang terbentuk divisualisasikan untuk menampilkan keterkaitan antara kata kunci dengan aspek pada data ulasan pengunjung Jatim Park 3. Penelitian ini mencoba menggali informasi mengenai pemetaan layanan mana saja yang mendapatkan perhatian pengunjung di Jatim Park 3. Abstract Google Review, which is one of the features of Google Maps can be a medium to measure the satisfaction rate visitors of Jawa Timur Park 3 (Jatim Park 3). the number of reviews that reached thousands and media of review data manager is not available yet complicate the management of Jatim Park to explore and analyze visitor feedback in detail. The Association Rule Mining (ARM) technique is a text mining method that can support the knowledge discovery process in large document collections. ARM is able to link keywords to comments to find words that appear frequently. This technique is most popular for finding hidden relationships between variables. The algorithm used in this study is apriori algorithm because it is the most efficient. In this study, there are 1067 reviews of the visitors in Indonesian from January to April 2019 as the data. The data is classified into 8 aspects based on predetermined keywords. These aspects include road access, cost, cleanliness, satisfaction, hustle, service, security, and technology. Testing was conducted to determine the minimum support and minimum confidence impact of the established rules. The whole aspects is capable of generating word associations with an Apriori algorithm. In addition, the overall rules that are formed produce an average lift ratio above 1 where the rule with that value is a unique rule among other rules formed from the association. In this study, the rules that are formed are visualized to show the relationship between keywords and aspects of visitor reviews of Jatim Park 3. This research tries to dig up information about mapping which services get the attention of visitors in Jatim Park 3.
Peramalan Pencemaran Udara Di Kota Surabaya Menggunakan Metode DSARIMA dengan Pendekatan Percentile Error Bootstrap (PEB) Koesoemaningroem, Novi; Endroyono, Endroyono; Nugroho, Supeno Mardi Susiki
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021855216

Abstract

Peramalan pencemaran udara yang  akurat  diperlukan untuk mengurangi dampak pencemaran udara. Peramalan yang belum akurat akan berdampak kurang efektifnya tindakan yang dilakukan untuk mengantisipasi dampak pencemaran udara. Sehingga diperlukan sebuah pendekatan yang dapat mengetahui keakuratan plot data hasil peramalan. Penelitian ini dilakukan dengan tujuan melakukan peramalan pencemaran udara berdasarkan parameter PM10, NO2, CO, SO2, dan O3dengan metode DSARIMA. Data dalam penelitian ini sebanyak 8.760 data yang berasal dari Dinas Lingkungan Hidup Kota Surabaya. Berdasarkan hasil peramalan selama 168 jam kadar parameter PM10, NO2, SO2 dan O3 cenderung  menurun. Hasil peramalan selama 168 jam dengan menggunakan DSARIMA memberikan hasil peramalan yang nilainya mendekati data aktual terbukti dari polanya yang sesuai atau mirip dengan grafik plot data aktual dengan hasil ramalan. Dengan pendekatan PEB, selisih antara data aktual dan data ramalan kecil dan plot grafik PEB mengikuti plot grafik di data aktual, sehingga dapat dikatakan bahwa model sudah sesuai. Hasil akurasi terbaik yang dihasilkan adalah model DSARIMA dengan RMSE terkecil 0,59 didapatkan dari parameter CO yaitu ARIMA(0,1,[1,2,3])(0,1,1)24(0,1,1)168. AbstractAccurate air pollution forecasting is needed to reduce the impact of air pollution. Inaccurate forecasting will result in less effective actions taken to anticipate the impact of air pollution. So we need an approach that can determine the accuracy of the forecast data plot. This research was conducted with the aim of forecasting air pollution based on the PM10, NO2, CO, SO2, and O3 parameters using the DSARIMA method. The data in this study were 8.760 data from the Surabaya City Environmental Service. Based on the results of forecasting for 168 hours, the levels of PM10, NO2, SO2, and O3 parameters tend to decrease. Forecasting results for 168 hours using DSARIMA provide forecasting results whose values are close to the actual data as evidenced by the pattern that matches or is similar to the actual data plot graph with the forecast results. With the PEB approach, the difference between the actual data and the forecast data is small and the PEB graph plot follows the graph plot in the actual data, so it can be said that the model is appropriate. The best accuracy result is DSARIMA with the smallest RMSE 0,59 obtained from the CO parameter, namely ARIMA(0,1,[1,2,3])(0,1,1)24(0,1,1)168.  
Pengembangan Sistem Pemantauan Sentimen Berita Berbahasa Indonesia Berdasarkan Konten dengan Long-Short-Term Memory Liliana, Dewi Yanti; Hikmah, Nadia Nurul; Harjono, Maykada
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854624

Abstract

Kementerian Komunikasi dan Informatika (Kemkominfo) memiliki tugas salah satunya untuk mengawasi konten berita yang beredar di media digital. Dengan terus bertambahnya berita online di internet, Kemkominfo dihadapkan pada permasalahan pengklasifikasian sentimen berita yang masih dilakukan secara manual dengan membaca konten berita satu persatu lalu menangkap sentimen dari berita, yaitu sentimen positif, negatif, atau netral. Hal ini sangat melelahkan dan memakan waktu mengingat volume dan kecepatan pertumbuhan berita setiap harinya semakin masif. Untuk itu diperlukan pengembangan sistem pengklasifikasi sentimen berita daring secara otomatis untuk pemantauan berita berbahasa Indonesia. Sistem pengklasifikasi secara otomatis berbasis machine learning dilakukan dengan membangun model pembelajaran dari korpus berita yang berasal dari situs berita daring. Korpus data tersebut kemudian diproses menggunakan algoritma Long Short-Term Memory (LSTM). LSTM biasa digunakan untuk menangani kasus klasifikasi dalam berbagai bidang khususnya dengan input berupa teks sekuensial. Model LSTM diimplementasikan ke dalam aplikasi berbasis web untuk menentukan jenis dari sentimen berita. Berdasarkan hasil pengujian yang dilakukan, model LSTM yang dibuat memiliki tingkat akurasi sebesar 86%. Dengan demikian implementasi LSTM mampu menjadi suatu solusi untuk mengatasi masalah pengklasifikasian sentimen berita daring secara otomatis untuk pemantauan sentimen berita di Kemkominfo. AsbtractThe Ministry of Communication and Informatics (Kemkominfo) has one duty to monitor news content circulating in digital media. With the increasing number of online news in the internet, Kemkominfo is facing the problem of classifying news sentiment which is still done manually by reading the contents of the news one by one, and then capturing the sentiment of the news; either positive, negative, or neutral. This is very exhausting and time consuming considering the volume and speed of growth of news every day is getting massive. This requires the development of an automatic online news sentiment classification system for monitoring Indonesian news. Machine learning-based automatic classification systems are carried out by building a learning model from a news corpus originating from news sites. The data is then processed using the Long Short Term Memory (LSTM) algorithm. LSTM is commonly used to handle classification in various fields especially in a sequential input. The LSTM model is implemented into a web-based application to determine the types of news sentiment. Based on the results of the tests carried out, the LSTM model created has an accuracy rate of 86%. Thus, the implementation of LSTM is potentially become a solution to overcome the problem of automatic online news sentiment classification for the news content monitoring system at the Ministry of Communication and Information.
Pengembangan Aplikasi Sistem Penilaian Praktik Pengalaman Lapangan pada Fakultas Ilmu Komputer Universitas Brawijaya Berbasis Web Sulistyo, Rizky Tri; Amalia, Faizatul; Afirianto, Tri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854568

Abstract

Praktik Pengalaman Lapangan (PPL) merupakan mata kuliah bidang pedagogi yang wajib ditempuh oleh semua mahasiswa Strata 1 (S1) Program Studi (PRODI) Pendidikan Teknologi Informasi (PTI) Jurusan Sistem Informasi (SI) Fakultas Ilmu Komputer (FILKOM) Universitas Brawijaya (UB) untuk menerapkan tenaga pendidik profesional di bidang Teknologi Informasi dan Komunikasi (TIK). Tujuan dari penilaian PPL merupakan untuk memperoleh informasi akurat tentang tingkat pencapaian kemampuan atau kompetensi mahasiswa dalam melaksanakan hak dan kewajiban dalam PPL. Namun, selama proses pelaksanaan PPL semua aktivitas masih dilakukan luring. Hal ini memiliki dampak adanya batasan ruang dan waktu untuk para penilai,  pengarsipan dokumen penilaian kurang termonitor, dan manipulasi penilaian oleh mahasiswa. Sehingga perlu mengoptimalkan pengelolaan dalam sistem penilaian PPL dengan solusi aplikasi sistem penilaian PPL berbasis web yang dapat diakses dari peramban apapun. Pengembangan aplikasi sistem penilaian PPL diciptakan berbasis website. Model Waterfall merupakan metode pengembangan aplikasi yang telah digunakan. Pengujian aplikasi sistem penilaian PPL dilaksanakan melalui pengujian white-box (pengujian unit dan integrasi), pengujian black-box (pengujian  validasi), dan pengujian compatibility dengan sortsite. Berdasarkan dari pengujian pada sestiap kasus uji di aplikasi sistem penilaian menandakan bahwa 100% valid dan dapat dijalankan diberbagai peramban, yaitu (1) IE; (2) Edge; (3) Firefox; (4) Safari; (5) Opera; (6) Chrome; (7) iOS; (8) Android. AbstractField Experience Practice (FEP) is a pedagogy course that must be taken by all students of study program  Information Technology Education (ITE) Department of Information Systems Faculty of Computer Science at Brawijaya University to apply professional educators in the field of Information and Communication Technology (ICT). The purpose of FEP assessment is to obtain accurate information about the level of achievement of students' ability or competence in carrying out rights and obligations in FEP. However, during the FEP implementation process all activities are still carried out offline. This has the effect of limiting space and time for assessors, archiving of undermonitored assessment documents, and manipulation of assessments by students. So it is necessary to optimize the management in the FEP assessment system with a web-based FEP assessment system application solution that can be accessed from any browser. The development of FEP assessment system application was created based on the website. Waterfall model is an application development method that has been used. FEP assessment system application testing is conducted through white-box testing (unit testing and integration), black-box testing (validation testing), and compatibility testing with sortites. Based on testing on a single test case in the application the assessment system indicates that it is 100% valid and can be run in various browsers, namely (1) IE; (2) Edge; (3) Firefox; (4) Safari; (5) Opera; (6) Chrome; (7) iOS; (8) Android.
Model Pengambilan Keputusan Pemilihan Bibit Unggul Sapi Bali Menggunakan Metode Weighted Product Khairina, Dyna Marisa; Pramukti, Indra Cahya; Hatta, Heliza Rahmania; Maharani, Septya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021853512

Abstract

Kesulitan dalam mencari bibit unggul pada ternak sapi bali, menyebabkan bibit unggul yang terpilih semakin tidak produktif dalam hal penggemukan ternak. Penentuan bibit unggul pada ternak sapi bali merupakan hal yang sangat krusial bagi para pengambil keputusan yang terkait dalam hal ini adalah peternak sapi bali. Jika tidak dilakukan secara tepat dan akurat, maka pemilihan bibit unggul  pada sapi bali yang keliru seringkali mengakibatkan berbagai permasalahan. Model pengambilan keputusan dapat digunakan untuk membantu manusia khususnya peternak sapi dalam mengambil keputusan. Metode Weighted Product adalah metode yang sangat efektif dan efisien dalam pemilihan bibit unggul, karena waktu yang diperlukan untuk perhitungan jauh lebih singkat. Tujuan penelitian ini adalah membuat suatu model pengambilan keputusan untuk pemilihan bibit unggul terbaik pada ternak sapi bali. Adapun model pengambilan keputusan ini membantu memberikan rekomendasi kepada peternak dalam proses pemilihan bibit unggul sapi bali sebagai bahan pertimbangan dalam memilih secara tepat, akurat dan mempermudah proses pemilihan dengan keputusan terbaik. AbstractThe difficulty to look for superior seeds of Bali cattle causes the selected superior germ plasm being more unproductive in case of fattening cattle. The decision of superior seeds of Bali cattle is a crucial thing for the decision maker, related with this case is Bali cattle breeder. If it is not organized accurately, then the selection of superior seeds on the wrong bali cows often lead to various problems. Decision-making models can be used to help humans, especially cattle ranchers in making decisions. Weighted Product Method is a very effective and efficient method for selecting superior seeds, because the timing needed for calculation is much shorter. The purpose of this research is to make a model of decision making for selection superior seeds of Bali cattle. The decision-making model helps provide recommendations to farmers in the process of selecting superior bali cattle seeds as a material consideration in choosing the right, accurate and simplify the selection process with the best decision.
Klasifikasi Kelas Kata (Part-Of-Speech Tagging) untuk Bahasa Madura Menggunakan Algoritme Viterbi Firmansyah, Ilham; Adikara, Putra Pandu; Adinugroho, Sigit
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854483

Abstract

Bahasa manusia adalah bahasa yang digunakan oleh manusia dalam bentuk tulisan maupun suara. Banyak teknologi/aplikasi yang mengolah bahasa manusia, bidang tersebut bernama Natural Language Processing yang merupakan ilmu yang mempelajari untuk mengolah dan mengekstraksi bahasa manusia pada perkembangan teknologi. Salah satu proses pada Natural Language Processing adalah Part-Of-Speech Tagging. Part-Of-Speech Tagging adalah klasifikasi kelas kata pada sebuah kalimat secara otomatis oleh teknologi, proses ini salah satunya berfungsi untuk mengetahui kata-kata yang memiliki lebih dari satu makna/arti (ambiguitas). Part-Of-Speech Tagging merupakan dasar dari Natural Language Processing lainnya, seperti penerjemahan mesin (machine translation), penghilangan ambiguitas makna kata (word sense disambiguation), dan analisis sentimen. Part-Of-Speech Tagging dilakukan pada bahasa manusia, salah satunya adalah bahasa Madura. Bahasa Madura adalah bahasa daerah yang digunakan oleh suku Madura dan memiliki morfologi yang mirip dengan bahasa Indonesia. Penelitian pada Part-Of-Speech Tagging pada bahasa Madura ini menggunakan algoritme Viterbi, terdapat 3 proses untuk implementasi algoritme Viterbi pada pada Part-Of-Speech Tagging bahasa Madura, yaitu pre-processing pada data training dan testing, perhitungan data latih dengan Hidden Markov Model dan klasifikasi kelas kata menggunakan algoritme Viterbi. Kelas kata (tagset) yang digunakan untuk klasifikasi kata pada bahasa Madura sebanyak 19 kelas, kelas kata tersebut dirancang oleh pakar. Pengujian sistem pada penelitian ini menggunakan perhitungan Multiclass Confusion Matrix. Hasil pengujian sistem mendapatkan nilai micro average accuracy sebesar 0,96 dan nilai micro average precision dan recall yang sama sebesar 0,68. Precision dan recall masih dapat ditingkatkan dengan menambahkan data yang lebih banyak lagi untuk pelatihan. AbstractNatural language is a form of language used by human, either in writing or speaking form. There is a specific field in computer science that processes natural language, which is called Natural Language Processing. It is a study of how to process and extract natural language on technology development. Part-Of-Speech Tagging is a method to assign a predefined set of tags (word classes) into a word or a phrase. This process is useful to understand the true meaning of a word with ambiguous meaning, which may have different meanings depending on the context. Part-Of-Speech Tagging is the basis of the other Natural Language Processing methods, such as machine translation, word sense disambiguation, and sentiment analysis. Part-Of-Speech Tagging used in natural languages, such as Madurese language. Madurese language is a local language used by Madurese and has a similar morphology as Indonesian language. Part-Of-Speech Tagging research on Madurese language using Viterbi algorithm, consists of 3 processes, which are training and testing corpus pre-processing, training the corpus by Hidden Markov Model, and tag classification using Viterbi algorithm. The number of tags used for words classification (tagsets) on Madurese language are 19 class, those tags were designed by an expert. Performance assessment was conducted using Multiclass Confusion Matrix calculation. The system achieved a micro average accuracy score of 0,96, and micro average precision score is equal to recall of 0,68. Precision and recall can still be improved by adding more data for training.
Pengukuran Kapabilitas Tata Kelola TI Sistem Informasi Tiras dan Transaksi Bahan Ajar Universitas Terbuka Menggunakan Cobit 5 Trihapningsari, Denisha; Agushinta R., Dewi; Banowosari, Lintang Yuniar
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854648

Abstract

Layanan bahan ajar Universitas Terbuka (UT) menerapkan Sistem Informasi Tiras dan Transaksi Bahan Ajar (SITTA) yang dalam prosesnya ditemui masalah terkait operasional dan optimalisasi Teknologi Informasi. Oleh sebab itu evaluasi perlu dilakukan untuk mengetahui sejauh mana sistem telah memenuhi kebutuhan organisasi tata kelola TI. Sebelumnya sistem belum pernah dievaluasi menggunakan mekanisme kontrol audit sistem informasi dengan framework COBIT 5. Penelitian ini bertujuan untuk mengukur tingkat kapabilitas tata kelola TI SITTA menggunakan framework COBIT 5. Fokus evaluasi pada sistem ini yaitu terkait manajemen layanan TI sehingga disepakati untuk mengevaluasi domain proses EDM01, EDM04, DSS01, DSS02, dan DSS03. Hasil penelitian diperoleh kapabilitas proses EDM01, EDM04, dan DSS01 saat ini berada di level performed process (level 1), proses DSS02 dan DSS03 berada di level managed process (level 2). Capaian tingkat kapabilitas yang diharapkan manajemen untuk proses yang dievaluasi tersebut yaitu level optimizing process (level 5). Hal inimenunjukkan bahwa organisasi belum sepenuhnya menerapkan beberapa best practices untuk tujuan proses yang dievaluasi, meski telah ada standar layanan tata kelola TI namun belum dapat diimplementasikan secara maksimal. Rekomendasi aktivitas kebijakan tata kelola layanan TI yang diperoleh dari penelitian ini diharapkan menjadi referensi prosedur monitoring dan pengukuran kemampuan TI di layanan bahan ajar UT yang lebih bersifat efektif dan implementatif. Penelitian ini menghasilkan pengukuran tingkat kapabilitas proses TI pada COBIT 5 domain terpilih, analisis kondisi organisasi untuk capaian tingkat kapabilitas proses, kriteria prioritas perbaikan, dan rekomendasi perbaikan untuk tiap proses agar dapat mencapai level kapabilitas optimizing process (level 5) di kemudian hari. AbstractThe Open University (UT) teaching material service implements the Information System for Learning Materials and Transactions (SITTA) which in the process encountered problems related to the operation and optimization of Information Technology. Therefore, it is necessary to evaluate to determine the extent to which the system has met the needs of the IT governance organization. The SITTA system had never been evaluated before using an information system audit control mechanism with the COBIT 5 framework. This study aims to measure the level of SITTA IT governance capabilities using the COBIT 5 framework. The focus of evaluation on the system is related to IT service management so it was agreed to evaluate the domain of the EDM01, EDM04, DSS01, DSS02, and DSS03 processes. The results showed that the capabilities of the EDM01, EDM04, and DSS01 processes are currently at the performed process level (level 1), while the DSS02 and DSS03 processes are at the managed process level (level 2). The achievement of the capability level is expected by management for the process being evaluated is the optimizing process level (level 5). It can be shown that the organization has not fully implemented some best practices for the process being evaluated, even there are already IT governance service standards but it has not been implemented optimally. The recommendations for IT service governance policy activities obtained from this study are expected to become a reference for monitoring procedures and measuring IT capabilities in UT teaching material services that are more effective and implemented. This research produces measurement of IT process capability level in selected COBIT 5 domains, analysis of organizational conditions to achieve process capability level, improvement priority criteria, and recommendations for improvement for each process to achieve optimizing process capability level (level 5) in the near future.
Klasifikasi Kebutuhan Jumlah Produk Makanan Customer Menggunakan K-Means Clustering dengan Optimasi Pusat Awal Cluster Algoritma Genetika Istianto, Yudi; 'Uyun, Shofwatul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021842990

Abstract

PT. Harum Bakery adalah salah satu perusahaan di Yogyakarta yang bergerak pada bidang produksi dan distribusi produk makanan roti. Setiap konsumen memiliki jumlah kebutuhan roti yang tidak teratur, sedangkan roti hanya dapat bertahan dalam waktu dua hari. Roti yang sudah berusia lebih dari dua hari akan diganti dengan yang baru oleh distributor, sehingga dapat menimbulkan kerugian bagi perusahaan. Penelitian ini mencoba untuk melakukan data mining dengan tujuan mengklasifikasikan jumlah produk makanan kepada customer menggunakan k-means clustering dengan optimasi pusat awal cluster algoritma genetika. Pada penelitian ini digunakan 210 data dari penjualan produk selama tiga minggu. Data tersebut akan diproses dengan menerapkan metode data mining melalui tahap preprocessing kemudian tahap klasifikasi. Preprocessing yang dilakukan antara lain, data transformation dan k-means clustering. Hasil dari clustering yang membutuhkan aturan tertentu lebih efektif dengan optimasi karena dari 210 data terdapat 200 data yang layak masuk tahap klasifikasi. Hasil dari pengujian mendapatkan akurasi terbaik sebesar 58.50 % dan crossvalidation untuk lima fold berhasil mendapatkan rata-rata akurasi sebesar 50.58% lebih besar 2.51 % dari KNN tanpa preprocessing.AbstractPT. Harum Bakery is one of the companies in Yogyakarta engaged in the production and distribution of bakery food products. Every consumer has an irregular amount of bread needs while bread can only last for two days. Bread that is more than two days old will be replaced by a new one by the distributor which causes losses for the company. This study tries to apply data mining to classify the number of customer needs for food products using k-means clustering with optimization initial cluster center genetic algorithm. In this study used 210 data from product sales for three weeks. Data will be processed by applying data mining method with preprocessing before going through classification. Preprocessing includes data transformation and k-means clustering. The results of clustering that require certain rules are more effective with optimization because 210 data have 200 data that are worth entering the classification stage. The results of the test get the best accuracy of 58.50% and crossvalidation for five fold managed to get an average accuracy of 50.58% greater than 2.51% of KNN without preprocessing.
Perancangan Data Warehouse Rumah Sakit Berbasis Online Analytical Processing (OLAP) Purwanto, Joko; Renny, Renny
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 5: Oktober 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021854232

Abstract

Pemanfaatan teknologi informasi sangat penting bagi rumah sakit, karena berpengaruh pula terhadap kualitas pelayanan kesehatan yang secara manual diubah menjadi digital dengan menggunakan teknologi informasi.Dalam penelitian ini penulis menggunakan metodologi Nine step sebagai acuan dalam merancang suatu data warehouse, untuk pemodelan menggunakan skema konstelasi fakta dengan 3 tabel fakta dan 11 tabel dimensi. Perbedaan penelitian ini dengan penelitian sebelumnya terletak pada sumber data yang diekstrak langsung dari database SIMRS yang digunakan rumah sakit, sehingga tidak ada ekstraksi data secara manual.Penelitian ini bertujuan untuk menghasilkan desain data warehouse berbasis Online Analytical Processing (OLAP) sebagai sarana penunjang kualitas pelayanan kesehatan rumah sakit. OLAP yang dihasilkan akan berupa desain data warehouse dengan berbagai dimensi yang akan menghasilkan tampilan informasi berupa Chart maupun Grafik sehingga informasinya mudah dibaca dan dipahami oleh berbagai pihak. AbtractThe use of information technology is very important for hospitals, because it also affects the quality of health services, which manualy changed to digital using information technology. In this study, the authors used the Nine step methodology as a reference in designing a data warehouse for modeling using a fact constellation schema with 3 fact tables and 11 dimension tables. the different in this study from previous research is that the data source was taken directly from the SIMRS database used by the hospital, so there is no manual data extraction.The aim of this research is to be able to produce a Data Warehouse design based on Online Analytical Processing (OLAP) as a means of supporting the quality of hospital health services. The resulting OLAP will be a data warehouse design with various dimensions will produce the displays information in the form of a graph or chart so that the information is easy to read and understand by various parties. 

Page 61 of 129 | Total Record : 1288

 59   60   61   62   63 

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