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
 61   62   63   64   65 
Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna dan Tekstur Menggunakan Metode K-Nearest Neighbor (KNN) dan Fusi Informasi Sumari, Arwin Datumaya Wahyudi; Mawarni, Putri Indah; Syulistyo, Arie Rachmad
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.2021854393

Abstract

Kualitas produk merupakan faktor utama untuk menjamin keberlangsungan satu usaha peternakan. Perusahaan telur puyuh yang memiliki ribuan burung Puyuh seperti CV. NS Quail Farm mampu memproduksi ribuan telur dalam sehari karena seekor burung Puyuh mampu menghasilkan 250-300 butir telur per tahun. Penyeleksian ribuan telur-telur tersebut dilakukan secara tradisional oleh para pekerja peternakan sehingga kualitas telur-telur hasil seleksi bergantung pada perspektif masing-masing pekerja. Guna memperoleh telur hasil seleksi dengan kualitas yang sama, maka dibangun sebuah sistem pencitraan digital untuk pemilihan telur burung Puyuh berdasarkan fitur warna dan tekstur kulit telur menggunakan metode klasifikasi K-Nearest Neighbor (KNN) yang dikombinasikan dengan fusi informasi. 300 data citra telur burung Puyuh diolah menggunakan normalisasi Red, Green, Blue (RGB) dan Otsu thresholding guna memperoleh fitur warna dan fitur tekstur yang kemudian difusikan menjadi fitur terfusi tunggal sebagai masukan pengklasifikasi KNN. Dari hasil-hasil penelitian, disimpulkan bahwa sistem berhasil mengklasifikasikan mutu telur Baik, Sedang, dan Buruk dengan akurasi rata-rata sebesar 77,78%. Disamping itu, klasifikasi dengan fusi informasi mampu mengungguli klasifikasi tanpa fusi informasi sebesar 11,11% pada nilai  yang sama yakni 7 dan fusi informasi juga mampu mempercepat proses klasifikasi sebesar 0,22 detik dibandingkan terhadap klasifikasi tanpa fusi informasi.AbstractThe quality of product us a primary factor to ensure the sustainability of a farm business. A company which has thousands of quail such as CV. NS Quail is capable of producing thousand quail eggs in a day because a quail is able to produce 250-300 eggs per year. The selection of the eggs is carried out traditionally by the farm workers so that the quality of the selected eggs are depended on the perspective of each worker. In order to obtain the same quality of the selected eggs, a digital imaging system for quail egg selection based on color feature and texture feature using K-Nearest Neighbor (KNN) combined with information fusion is developed. 300 image data of quail egg was processed using Red, Green, Blue (RGB) and Otsu thresholding to obtain color feature and texture feature which then were fused to become single fused feature as the input to KNN classifier. From the research results, it is concluded that the system was managed to classify egg quality as good, medium, and bad with an accuracy of 77,78%. In addition, the classification with information fusion was able to outperform the classification without information fusion by 11.11% at the same  value of 7 and information fusion is also able to accelerate classification process by 0.22 seconds compared to that of without information fusion.
Pengaruh E-Payment Trust terhadap Minat Transaksi pada E-Marketplace Menggunakan Framework Technology Acceptance Model (TAM) 3 Lestari, Merryana; Purnomo, Hindriyanto Dwi; Sembiring, Irwan
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.2021855212

Abstract

Transaksi melalui e-Marketplace dilakukan menggunakan transaksi pembayaran secara digital yang disebut sebagai layanan e-Payment. Oleh karena itu, e-Payment memegang peranan penting dalam proses transaksi jual beli pada e-Marketplace khususnya dalam transaksi pembayaran. Seringkali pengguna memiliki kekhawatiran tersendiri dalam melakukan transaksi pembayaran menggunakan e-Payment, salah satu kekhawatiran paling mendasar adalah mengenai jaminan integritas keamanan data dan privasi data pelanggan. Kepercayaan pengguna dipandang menjadi suatu resiko besar yang dapat memberikan pengaruh terhadap minat pembelian pada e-Marketplace. Melalui penelitian ini, akan dianalisis bagaimana tingkat pengaruh kepercayaan pengguna pada e-Payment di Indonesia terhadap transaksi pada e-Marketplace memakai metode Technology Acceptance Model (TAM) versi 3. Hasil penelitian ini merupakan bahan evaluasi bagi vendor e-Marketplace guna melakukan analisis seberapa sering pengguna melakukan transaksi di dalam e-Marketplace sehingga semakin memberikan kepercayaan pengguna untuk melakukan transaksi menggunakan layanan e-Payment. AbstractTransactions through e-Marketplace are carried out using digital payment transactions or commonly referred to as e-Payments. Therefore, e-Payment plays an important role in the process of buying and selling transactions on the e-Marketplace, especially in payment transactions. Often users have their own concerns in making payment transactions using e-Payment, one of the most basic concerns is about guaranteeing data security integrity and customer data privacy. User trust is seen as a big risk that can have an influence on buying interest in the e-Marketplace. Through this research, it will be analyzed how the level of influence of user trust in e-Payment in Indonesia on the impact of purchases on e-Marketplace using the Technology Acceptance Model 3 (TAM 3) framework. The results of this study can be used as evaluation material for e-Marketplace vendors to analyze how often users make transactions in the e-Marketplace so that it gives more confidence to users to make transactions using e-Payment services.
Analisis Sentimen pada Data Saran Mahasiswa Terhadap Kinerja Departemen di Perguruan Tinggi Menggunakan Convolutional Neural Network Yuliska, Yuliska; Qudsi, Dini Hidayatul; Lubis, Juanda Hakim; Syaliman, Khairul Umum; Najwa, Nina Fadilah
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.2021854842

Abstract

Review atau saran dari customer dapat menjadi sangat penting bagi penyedia layanan, begitu pula saran dari mahasiswa mengenai layanan sebuah unit kerja di perguruan tinggi. Review menjadi penting karena dapat menjadi indikator kinerja penyedia layanan. Pengolahan review juga sangat penting karena dapat menjadi referensi untuk pengambilan keputusan dan peningkatan layanan yang lebih baik ke depannya. Penelitian ini menerapkan analisis sentimen pada data saran atau review mahasiswa terhadap kinerja unit kerja atau departemen di perguruan tinggi, yaitu Politeknik Caltex Riau. Analisis sentimen dilakukan dengan menggunakan Convolutional Neural Network (CNN) dan word embedding Word2vec sebagai representasi kata. CNN merupakan metode yang memiliki performa yang baik dalam mengklasifikasi teks, yaitu dengan teknik convolutional yang menggabungkan beberapa window kata pada kalimat dan mengambil window yang paling representative. Word2Vec digunakan sebagai representasi data saran dan inputan awal pada CNN, dimana Word2Vec merupakan dense vectors yang dapat merepresentasikan hubungan antar kata pada data saran dengan baik. Saran mahasiswa dapat mengandung kalimat yang sangat panjang, karena itu perpaduan Word2Vec sebagai representasi kata dan CNN dengan teknik convolutional, dapat menghasilkan representasi yang representative dari kalimat panjang tersebut. Penelitian ini menggunakan dua arsitektur CNN, yaitu Simple CNN dan DoubleMax CNN untuk mengidentifikasi pengaruh kompleksitas arsitektur terhadap hasil klasifikasi sentimen.  Berdasarkan hasil pengujian, DoubleMax CNN dapat mengklasifikasi sentimen pada saran mahasiswa dengan sangat baik, yaitu mencapai Akurasi tertinggi sebesar 98%, Recall 97%, Precision 98% dan F1-Score 98%. AbstractStudent’s reviews about department performance can be essential for a college for it can be used to evaluate the department performance and to take an immediate action to improve its performance. This research applies sentiment analysis in the student’s reviews of college department in Politeknik Caltex Riau. Convolutional Neural Network and Word2Vec are employed to analyze the sentiment. CNN is known for its good performance in text classification by applying a convolutional technique to the input sentences. Word2Vec is used as word representation and as an input to the CNN. Word2Vec are dense vectors which can represent the relationship between words excellently. Student’s reviews can be a long sentence; hence the combination of Word2Vec as word representation and CNN with convolutional technique can produce a representative fiture from that long sentence. This research utilizes two CNN architectures, which are Simple CNN dan DoubleMax CNN to identify the effect of the complexity of CNN architecture to final result. Our experiments show that DoubleMax CNN has a great performance in classifying sentiment in the student’s reviews with the best Accuracy value of 98%, Recall 97%, Precision 98% and F1-Score value of 98%.
Klasifikasi Teks Hadis Bukhari Terjemahan Indonesia Menggunakan Recurrent Convolutional Neural Network (CRNN) Abu Bakar, Muhammad Yuslan; Adiwijaya, Adiwijaya
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.2021853750

Abstract

Hadis merupakan sumber hukum dan pedoman kedua bagi umat Islam setelah Al-Qur’an dan banyak sekali hadis yang telah diriwayatkan oleh para ahli hadis selama ini. Penelitian ini membangun sebuah sistem yang dapat melakukan klasifikasi teks hadis Bukhari terjemahan berbahasa Indonesia. Topik ini diangkat untuk memenuhi kebutuhan umat Islam dalam mengetahui apa saja informasi mengenai anjuran dan larangan yang terdapat dalam suatu hadis. Klasifikasi teks memiliki tantangannya tersendiri terkait dengan jumlah fitur yang sangat banyak (dimensi sangat besar) sehingga waktu komputasi menjadi besar dan mengakibatkan sulitnya mendapatkan hasil yang optimal. Pada penelitian ini, digunakan salah satu metode hibrid dalam dunia deep learning dengan menggabungkan Convolutional Neural Network dan Recurrent Neural Network, yaitu Convolutional Recurrent Neural Network (CRNN). Convolutional Neural Network dipilih sebagai metode seleksi dan reduksi data dikarenakan dapat menangkap informasi spasial yang saling berhubungan dan berkorelasi. Sementara Recurrent Neural Network digunakan sebagai metode klasifikasi dengan mengusung kemampuan utamanya yaitu dapat menangkap informasi kontekstual yang sangat panjang khususnya pada data sekuens seperti data teks dengan mengandalkan ‘memori’ yang dimilikinya. Hasil penelitian menyajikan beberapa hasil klasifikasi menggunakan deep learning, dimana hasil akurasi terbaik diberikan oleh Convolutional Recurrent Neural Network (CRNN), yakni sebesar 80.79%. Abstract Hadith is a source of law and guidance for Muslims after the Qur'an and many hadith have been narrated by hadith experts so far. This research builds a system that can classify Bukhari hadith in Indonesian translations. This topic was raised to meet the needs of Muslims in knowing what information about the suggestions and prohibitions that exist in a hadith. Text classification has its own challenges related to several features whose dimensions are very large so that it increases computing time and causes difficulties in getting optimal results. This research uses a hybrid method in deep learning by combining a Convolutional Neural Network and a Recurrent Neural Network, namely Convolutional Recurrent Neural Network (CRNN). Convolutional Neural Network was chosen as a method of selecting and reducing data that can be determined as spatial information that is interrelated and correlated. While Recurrent Neural Networks are used as a classification method by carrying out capabilities that can be used as very long contextual information specifically on sequential data such as text data by relying on the ‘memory’ it has. This research presents several classification results using deep learning, where the best accuracy results are given by the Convolutional Recurrent Neural Network (CRNN), which is equal to 80.79%.
Perbandingan Metode Smart dan Maut untuk Pemilihan Karyawan pada Merapi Online Corporation Nasution, Musri Iskandar; Fadlil, Abdul; Sunardi, Sunardi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021863583

Abstract

Penelitian ini merancang sistem untuk menentukan pemilihan karyawan terbaik menggunakan Sistem Pendukung Keputusan (SPK). Perhitungan sistem menggunakan metode SMART dan MAUT. SMART merupakan metode pengambilan keputusan multiatribut yang setiap alternatif terdiri dari sekumpulan atribut dan setiap atribut mempunyai nilai-nilai. Sedangkan MAUT didasarkan pada konsep dimana pembuat keputusan dapat menghitung utilitas dari setiap alternatif menggunakan fungsi MAUT dan dapat memilih alternatif dengan utilitas tertinggi. Metode SMART digunakan karena perhitungannya lebih sederhana dan memungkinkan penambahan serta pengurangan alternatif tanpa mempengaruhi perhitungan pembobotan mengingat jumlah karyawan bisa berkurang dan bertambah secara tidak teratur. Sedangkan metode MAUT digunakan karena memunculkan hasil urutan peringkat dimana akan muncul hasil nilai terbesar sampai nilai terkecil sehingga dapat diketahui karyawan dengan terbaik dengan nilai tertinggi. Sehingga dapat mengambil keputusan dengan efektif atas persoalan yang kompleks dengan menyederhanakan dan mempercepat proses pengambilan keputusan. Metode penelitian yang digunakan adalah metode pengembangan sistem model waterfall, metodologi ini terdapat tahapan-tahapan kegiatan yang harus dilakukan dalam merancang suatu sistem. Perhitungan menggunakan 30 sampel data karyawan dan empat kriteria penilaian. Empat kriteria tersebut adalah presensi dengan bobot 40, masa kerja dengan bobot 30, ijin dengan bobot 20, dan disiplin dengan bobot 10. Data karyawan yang digunakan adalah karyawan yang sama dalam kedua metode serta mempunyai data penilaian yang sama. Hasil perhitungan menggunakan SMART dan MAUT menunjukkan bahwa keduanya dapat diimplementasikan dan berfungsi dengan baik untuk menentukan karyawan terbaik. Dengan menggunakan data alternatif, nilai alternatif, dan bobot kriteria yang sama diperoleh hasil bahwa metode SMART memberikan hasil yang lebih baik dengan 22 peringkat, sedangkan metode MAUT menghasilkan 18 peringkat. Semakin banyak jumlah peringkat yang muncul maka semakin baik karena mampu meminimalisir nilai preferensi yang sama, sehingga perankingan alternatif dapat dilakukan dengan baik. AbstractThis study designed a system to determine the best employee selection using a Decision Support System (SPK). System calculations using the SMART and MAUT methods. SMART is a multi-attribute decision making method in which each alternative consists of a set of attributes and each attribute has values. Whereas MAUT is based on the concept where decision makers can calculate the utility of each alternative using the MAUT function and can choose alternatives with the highest utility. The SMART method is used because the calculation is simpler and allows the addition and subtraction of alternatives without affecting the weighting calculation given the number of employees can be reduced and increased irregularly. While the MAUT method is used because it raises the ranking order results in which the largest value will appear until the smallest value so that it can be known by the employee with the highest value. So that they can make decisions effectively on complex issues by simplifying and accelerating the decision making process. The research method used is the method of developing the system waterfall model, this methodology there are stages of activities that must be carried out in designing a system. The calculation uses 30 employee data samples and four assessment criteria. The four criteria are presence with a weight of 40, tenure with a weight of 30, permission with a weight of 20, and discipline with a weight of 10. Employee data used are the same employees in both methods and have the same assessment data. The results of calculations using SMART and MAUT indicate that both can be implemented and function properly to determine the best employees. By using alternative data, alternative values, and the same criteria weights, the results obtained that the SMART method gives better results with 22 ratings, while the MAUT method yields 18 ratings. The more number of ratings that appear, the better because it is able to minimize the same preference value, so that alternative ranking can be done well. 
Implementasi Metode Naive Bayes untuk Mendeteksi Stres Siswa Berdasarkan Tweet pada Sistem Monitoring Stres Risa, Diva Fardiana; Pradana, Fajar; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021864372

Abstract

Gangguan mental saat ini masih menjadi permasalahan bagi bidang kesehatan di seluruh dunia. Salah satu jenis dari gangguan mental yang dapat diprediksi saat ini adalah stres. Stres memiliki dampak yang sangat besar bagi Kesehatan penderitanya, namun masih banyak masyarakat yang terlalu meremehkan perihal keberadaan penyakit stres ini. Hal ini salah satunya disebabkan oleh media yang dapat digunakan untuk melakukan pengecekan tingkat stres masih sangat sedikit. Sejauh ini, pengecekan kondisi kesehatan mental khususnya stres dapat dilakukan melalui konsultasi ke psikolog terdekat. Namun, tidak banyak masyarakat yang mengetahui hal itu. Ketika seseorang mengalami gangguan kecemasan khususnya stres, maka ia akan cenderung melakukan tindakan yang dapat mengekspresikan kecemasannya di media sosial. Kegiatan ini dinamakan Self Disclosure. Hal ini dianggap dapat mengurangi beban penderita gangguan mental tersebut. Mengenai hal itu, saat ini penggunaan media sosial menjadi hal yang sangat lumrah dimasyarakat khususnya remaja. Salah satu jenis sosial media yang banyak digunakan oleh masyarakat adalah Twitter. Salah satu keunggulan Twitter adalah dikarenakan twitter lebih mudah digunakan dan memiliki tampilan yang sederhana. Selain itu, penulisan tweet pada akun twitter memiliki pembatasan jumlah karakter sehingga tweet yang ditulis pengguna lebih jelas dan ringkas. Oleh karena itu,pada penelitian ini akan dibangun fitur untuk mendeteksi tingkat stres melalui tweet pada akun twitter dengan menggunakan metode Naïve Bayes yang mana akan dapat mengklasifikasikan tingkat stres siswa berdasarkan tweet siswa kedalam tiga kelas yaitu kelas stres ringan, stres sedang dan stres berat. Fitur ini nantinya akan diimplementasikan pada sistem monitoring stres siswa berbasis website sebagai bahan pertimbangan bagi siswa dan guru bimbingan konseling dalam proses konseling siswa. Berdasarkan pengujian akurasi yang dilakukan dengan 90 data latih dan 4 data uji, maka didapatkan tingkat akurasi fitur ini mencapai angka 75%. AbstractMental disorders are currently still a problem for the health sector around the world. Stress is one type of mental disorder that can be predicted today. Stress has a huge impact on the health of sufferers, but there are still many people who underestimate the existence of the stress disease. This is partly due to the very few media that can be used to check stress levels. So far, checking mental health conditions, especially stress can be done through consultation with the nearest psychologist. However, not many people know about it. When a person experiences anxiety disorders, especially stress, he will tend to take actions that can express his anxiety on social media. This activity is called Self Disclosure. This is considered to reduce the burden on those with mental disorders. Regarding this, currently the use of social media is very common in society, especially teenagers. One type of social media that is widely used by the public is Twitter. One of the advantages of Twitter is that it is easier to use and has a simple interface. In addition, writing tweets on a Twitter account has a limit on the number of characters so that the tweet that the user writes is clearer and more concise. Therefore, this research will build a feature to detect stress levels via tweet on a twitter account using the Naïve Bayes method which will be able to classify students' stress levels based on student tweets into three classes, namely light stress, moderate stress and severe stress classes. This feature will later be implemented in a website-based student stress monitoring system as a consideration for students and counseling teachers in the student counseling process. Based on accuracy testing carried out with 90 training data and 4 test data, the accuracy rate of this feature is 75%.
Sistem Bantu untuk Pengrajin dalam Menentukan Kayu Terbaik Terbaik untuk Bahan Gitar dengan Menggunakan Matode Moora Tundo, Tundo; Nugroho, Wisnu Dwi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021863756

Abstract

Penelitian ini bertujuan untuk membantu pengrajin kayu di Dongkelan, Krapyak, Yogyakarta dalam menentukan kayu terbaik untuk dijadikan sebagai bahan gitar, karena sering terjadi keluhan dari para pembeli bahwa bahan yang dijadikan bahan gitar cepat lapuk dan kusam dari segi warnah. Berdasarkan permasalahan tersebut, dicari suatu solusi dengan menggunakan metode Decision Support System Multi Objective Optimization on the basic of Ratio Analysis (MOORA) serta dibantu oleh pakar dalam menentukan kriteria yang tepat berkaitan penentuan kayu terbaik yang digunakan dalam pembuatan bahan gitar, setelah berdiskusi panjang ditemukan hasil kriteria yang tepat berdasarkan permasalahan, berupa kriteria kekuatan kayu, serat kayu, tekstur, dan berat kayu. Semua kriteria tersebut, kemudian diproses dengan menggunakan metode MOORA, dengan data yang digunakan sebanyak 29 jenis data kayu, yang diperoleh dari pengrajin yang ada di wilayah tersebut. Setelah diproses, diperoleh hasil 3 kayu terbaik yang layak untuk digunakan sebagai bahan pembuatan gitar secara berurutan dalah kayu Bubinga dengan nilai 18,36785, kayu Bocote dengan nilai 17,33385, dan kayu Eboni dengan nilai 17,33385   dari beberapa pilihan alternatif  kayu yang ada. Membuktikan hasil dari metode MOORA, maka dilakukan responden secara langsung dengan memberikan hasil metode kepada pakar pembuat gitar. Dari 15 pakar pembuat gitar, 13 mengatakan setuju dengan peringkat 3 terbesar, dan 2 mengatakan kurang setuju. Sehingga ditemukan tingkat akurasi berdasarkan penilaian pakar sebesar 86,67 %. AbstractThis study aims to assist wood craftsmen in Dongkelan, Krapyak, Yogyakarta in determining the best wood to be used as guitar material, because there are frequent complaints from buyers that the material used for guitar is rotten quickly and is dull in terms of color. Based on these problems, a solution was sought using the Multi Objective Optimization on the basic of Ratio Analysis (MOORA) Decision Support System method and assisted by experts in determining the right criteria related to determining the best wood used in making guitar materials, after a long discussion found the results. the right criteria based on the problem, in the form of wood strength criteria, wood grain, texture, and wood weight. All of these criteria are then processed using the MOORA method, with the data used as much as 29 types of wood data, which are obtained from craftsmen in the area. After processing, the 3 best woods that are suitable for use as a guitar-making material are Bubinga wood with a value of 18.36785, Bocote wood with a value of 17.333385, and Eboni wood with a value of 17.333385 from several alternative wood choices. . Proving the results of the MOORA method, the respondents directly gave the results of the method to guitar-making experts. Of the 15 expert guitar makers, 13 said they agreed with the third largest ranking, and 2 said they disagreed. So that it found the level of accuracy based on expert judgment of 86.67%.
Sistem Kontrol Swarm untuk Flocking Wahana NR-Awak Quadrotor dengan Optimasi Algoritma Genetik Joelianto, Endra; Rajasa, Winarendra Satya; Samsi, Agus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021863467

Abstract

Quadrotor merupakan wahana udara nir-awak jenis lepas landas atau pendaratan vertikal berbentuk silang dan memiliki sebuah rotor pada setiap ujung lengannya dengan kemampuan manuver yang tinggi. Swarm quadrotor yang terdiri dari sekumpulan quadrotor akan menjadi suatu swarm yang baik, sesuai dengan kriteria swarm oleh Reynold yaitu dapat menghindari tumbukan, menyamakan kecepatan, dan pemusatan swarm. Pengontrolan swarm quadrotor memiliki tingkat kerumitan yang tinggi karena melibatkan banyak agen. Riset pengembangan swarm quadrotor masih belum banyak dilakukan dan masih membuka peluang untuk meneliti dengan metoda lain yang lebih baik dalam menghasilkan swarm. Makalah ini mengusulkan pengontrolan swarm quadrotor yang terdiri dari dua tingkat lup kontrol. Lup pertama adalah pengontrol sistem model swarm untuk membangkitkan lintasan swarm dan lup kedua merupakan pengontrol pada quadrotor untuk melakukan penjejakan lintasan swarm. Pengontrol pertama menggunakan pengontrol proporsional derivatif (PD), sedangkan pengontrol kedua menggunakan regulator linier kuadratik (RLK). Pengontrol yang dirancang memiliki parameter yang banyak, sehingga pemilihan parameter yang optimal sangat sulit. Pencarian parameter optimal pada pengontrol model swarm quadrotor membutuhkan teknik optimasi seperti algoritma genetik (AG) untuk mengarahkan pencarian menuju solusi yang menghasilkan kinerja terbaik. Pada makalah ini, penalaan dengan optimasi AG hanya dilakukan pada pengontrol PD untuk menghasilkan lintasan swarm terbaik, sedangkan matrik bobot RLK dilakukan secara uji coba. Hasil simulasi swarm pada model quadrotor menunjukkan parameter , . , dan  yang diperoleh menggunakan AG menghasilkan pergerakan swarm yang baik dengan kesalahan RMS pelacakan 0,0094 m terhadap fungsi obyektif. Sedangkan ketika parameter ,  dan  dicari menggunakan AG, tidak berpengaruh banyak dalam memperbaiki hasil simulasi swarm quadrotor. AbstractThe quadrotor is a type of take-off or vertical landing unmanned aerial vehicles with a cross shape and has one rotor at each end of its arm with high maneuverability. A quadrotor swarm consisting of a group of quadrotors leads to a good swarm, according to Reynold's swarm criteria, which accomplishes collision avoidance, velocity matching, and flock centering. Quadrotor swarm control has a high level of complexity because it involves many agents. Research on the development of quadrotor swarm has received insignificant attention and it still opens opportunities to research other methods that are better at producing swarm. The paper proposes the control of a quadrotor swarm consisted of two levels of control loops. The first loop controls the swarm model system to generate the swarm trajectory and the second loop is the controller on the quadrotor to track the swarm path. The first controller uses a proportional derivative controller (PD), while the second controller uses the linear quadratic regulator (LQR). The controller that is designed has many parameters, so the optimal parameter selection is very difficult. The search for optimal parameters in the swarm model controller requires optimization techniques such as the genetic algorithm (GA) to direct the search for solutions that produce the best performance. In this paper, tuning with the optimization of GA is only done for the PD controller in order to produce the best swarm trajectory, while the weight matrices of the LQR are done on a trial error basis. Swarm simulation results of a quadrotor model system show the parameters , . , and  obtained using GA produce a good swarm movement with RMS error 0.0094 m of the objective function. Whereas when parameters ,  and  are searched using GA, it does not have much effect in improving the quadrotor swarm simulation results.
Aksi Penyerangan Non-Player Character (NPC) Menggunakan Metode Naive Bayes pada Shooter Game Siswanto, Edi; Suni, Alfa Faridh
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021863804

Abstract

Aksi penyerangan pada non-player character (NPC) merupakan salah satu substansi penting dalam pembuatan game. Dalam melakukan penyerangan diperlukan strategi khusus agar NPC tidak mudah dikalahkan. Salah satunya adalah adanya variasi serangan terhadap pemain. Salah satu metode yang digunakan untuk mengatur penyerangan NPC adalah rulebase. Metode rulebase dapat memberikan variasi serangan sesuai kondisi NPC, namun metode rulebase bisanya menghasilkan behaviour yang statis dan tidak adaptif jika terdapat kondisi baru. AI seperti ini akan mudah diprediksi dan repetitif sehingga menurunkan tingkat tantangan bermain game. Untuk mengatasi masalah tersebut banyak peneliti yang menggunakan teknik learning. Salah satunya menggunakan metode naïve bayes. Pada penelitian ini dilakukan penerapan metode naïve bayes sebagai strategi penyerangan NPC pada shooter game. Metode naïve bayes digunakan untuk keputusan serangan yang diambil oleh NPC. Adapun parameter yang digunakan untuk keputusan penyerangan adalah nyawa, jarak, jumlah granat, dan jumlah amunisi yang dimiliki NPC. Sedangkan keputusan penyerangan dibagi menjadi serangan tembak, serangan granat, dan serangan pisau. Hasil penelitian menunjukkan penerapan metode naïve bayes membuat NPC mampu melakukan penyerangan secara otonom jika terdapat kondisi baru dengan akurasi 80%. Penerapan metode naïve bayes juga lebih unggul dalam persentase kemenangan NPC dibanding metode rulebase. Tingkat kemenangan NPC menggunakan metode naïve bayes sebesar 60% sedangkan rulebase sebesar 16%. AbstractNon-Player Character’s (NPC) attacks behaviour is one important substance in making games. While NPC attacks needs specific strategy to not get defeated easily. One of the NPC attacks strategy is a variation of offense to player. One of the methods to manage the NPC attack strategy is rulebase. Rulebase method can give variations of the NPC attacks according in conditions, but rulebase method usually producing static behaviour and not adaptive where there is new condition. AI like this would easy too predictive and repetitive so that decrease the challenge of playing games. To overcome these problems, we use naïve bayes method. In this study, naïve bayes method are applied as an NPC’s attack strategy to the shooter game. Naïve bayes method used for attack decisions taken by the NPC. The parameters used for the attack’s decision are health point, distance, number of grenades, and number of ammunitions owned by the NPC. While attacks decision is divided into firing attacks, grenade attacks, and melee attacks. The results showed that the use naïve bayes method can attack autonomously if there are new condition with an accuracy of 80%. The implementation of naïve bayes method at NPC more superior than rulebase method in percentage of NPC winning. The NPC win rate uses the naïve bayes method is 60% while the rulebase is 16%.
Pemanfaatan Fuzzy Logic dan Hill Climbing untuk Optimasi Pengelolaan Tempat Pengolahan Sampah Reduce-Reuse-Recycle (TPS 3R) pada Dinas Lingkungan Hidup (DLH) DKI Jakarta Arbi, Ramadana; Utami, Meinarini Catur; Aini, Qurrotul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021863544

Abstract

DLH DKI Jakarta merupakan lembaga pemerintah yang bertanggung jawab terhadap pengelolaan sekitar 1.125 Tempat Penampungan Sampah Sementara (TPS) yang tersebar di lima wilayah di DKI Jakarta, yaitu Jakarta Selatan, Jakarta Timur, Jakarta Barat, Jakarta Utara dan Jakarta Pusat. Sejumlah TPS yang tersebar tersebut, turut di dalamnya beberapa TPS 3R (Reduce, Reuse, Recycle). TPS 3R lebih kompleks pemanfaatannya bila dibandingkan dengan TPS biasa karena TPS 3R selain berfungsi sebagai TPS, juga dapat untuk memperbaiki kondisi sampah atau limbah sebelum diteruskan ke TPA (Tempat Pemrosesan Akhir). Kondisi TPS 3R saat ini belum bisa maksimal fungsinya, disebabkan fasilitas yang belum memadai, seperti menurunnya kualitas alat pencacah organik, tidak adanya wadah pemilahan dan ruang pemilahan. Oleh karena itu, perlu kiranya pengucuran dana bagi TPS 3R. Akan tetapi karena terbatasnya dana, maka perlu memilih TPS 3R mana yang akan diprioritaskan mendapat bantuan dana. Oleh karena itu, penelitian ini bertujuan membangun sistem pendukung keputusan dalam menentukan prioritas TPS 3R DLH DKI Jakarta dengan menggunakan metode optimasi yang mengacu pada 5 kriteria yaitu luas lahan, fasilitas, jarak, kondisi jalan, dan kondisi estetika lingkungan, serta metode pengembangan sistem RAD (Rapid Application Development). Peneliti menggunakan metode optimasi Fuzzy Logic sebagai metode pembobotan nilai kriteria dan Hill Climbing untuk menentukan alternatif terbaik yang ada. Adapun sistem yang dihasilkan memberikan kontribusi kepada DLH yaitu dapat menentukan TPS 3R yang berhak mendapatkan bantuan dana secara cepat dan tepat. AbstractDLH DKI Jakarta is a Government Institution that responsible for waste management about 1125 temporary waste shelters (TPS) spread across 5 Regions in DKI Jakarta; i.e South Jakarta, East Jakarta, West Jakarta, North Jakarta, and Central Jakarta. All those TPS’s are including some of 3R TPS (Reduce, Reuse, and Recycle).    The 3R TPS is more complex in term of their usage rather than normal TPS as the 3R TPS’s instead of being a normal TPS, they could also fix the rubbish or waste before send it to Final Processing Place (TPA). The 3R TPS is still functionally not maximum way to be used as inadequate facilities such as quality degradation on organic counter, and there is no mechanical separation place and its room. With that reasons, the 3R TPS needs to be financial supported.  And considering the financial limitation from DKI Government, there is need to select suitable 3R TPS on priorities to get financial support. Therefore, this study aims to build a decision support system in determining the priority of TPS 3R DLH DKI Jakarta by using an optimization method that refers to five criteria, namely land area, facilities, distance, road conditions, and environmental aesthetic conditions, as well as Rapid Application Development (RAD). The fuzzy logic is a method of weighting the criteria and Hill Cimbing is optimization method to determine the best of alternatives. The result contributes to DLH, which is to determine which TPS 3R is entitled to receive funding quickly and precisely.

Page 63 of 129 | Total Record : 1288

 61   62   63   64   65 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2, No 2 (2015) Vol 2 No 2: Oktober 2015 Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue