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
 77   78   79   80   81 
Informasi Dini Terhadap Penyakit Kanker Payudara berbasis Telepon Pintar Wiraswati, Hesti Lina; Ekawardhani, Savira; Windria, Sarasati; Khaq, Arina Al; Nurfitri, Fauzia; Wahyuni, Dini; Rachmawati, Nadya; Baasin, Rusdi Toriq; Arimdayu, Annissa Retno; Arimdayu, Annisa Retno
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 4: Agustus 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022933182

Abstract

Latar Belakang: Deteksi dini kanker payudara akan memberikan tingkat kesembuhan lebih tinggi bagi penderita jika penderita datang lebih dini ketika terdapat gejala adanya kanker payudara. Namun, masyarakat Indonesia cenderung datang ke pusat kesehatan dalam kondisi kanker stadium lanjut sehingga sulit diobati. Ketersediaan layanan informasi tentang kanker payudara, dan pemeriksaan mandiri berbasis telepon pintar menjadi kebutuhan saat ini.  Oleh karena itu diperlukan sosialisasi yang benar tentang kanker. Salah satu alat sosialisasi yang dianggap efektif adalah media digital. Di Indonesia, aplikasi berbasis telepon pintar sudah dibuat untuk kanker serviks, tetapi untuk kanker payudara hanya tersedia dalam bentuk hologram berisi simulasi gerakan Periksa Payudara Sendiri (SADARI). Aplikasi hologram ini belum menyertakan informasi tentang kanker payudara secara komprehensif. Tujuan: Menyediakan layanan informasi tentang kanker payudara, dan penjelasan serta simulasi bagaimana memeriksa secara mandiri yang berbasis menggunakan aplikasi berbasis telepon pintar. Metode: Metode penelitian terdiri atas desain aplikasi, pengumpulan asset sebagai sumber database, validasi aplikasi, dan uji coba aplikasi kepada 100 responden menggunakan teknik purposive sampling. Evaluasi kelayakan aplikasi dilakukan menggunakan kuesioner pre-test dan post-test. Hasil: Aplikasi berhasil dibuat dan dapat diunduh melalui google play store. Aplikasi ini membantu meningkatkan pengetahuan responden tentang kanker dari rata-rata 43,38% menjadi 77,72%. Sebesar 34.6% responden setuju dan  61.8% sangat setuju bahwa aplikasi ‘Be Care’ berguna dan bermanfaat. Kesimpulan: Aplikasi “Be Care” dinilai layak untuk digunakan dalam meningkatkan pengetahuan, kesadaran, dan keterampilan terkait deteksi dini kanker payudara. Aplikasi berbahasa Indonesia dengan status ‘free access’ ini diharapkan menjadi salah satu media efektif yang berkontribusi dalam menurunkan jumlah kasus baru dan kematian akibat kanker. AbstractBackground: An early breast cancer detection will provide a higher cure rate for sufferers if the patient arrives early when there are symptoms of breast cancer. However, Indonesians tend to come to the health centres with an advance condition, which it makes difficult to be treated. The availability of information about breast cancer and smartphone-based self-examination is a necessity at this time. Therefore, we need the correct socialization. One of the socialization tools that are considered effective is digital media. In Indonesia, smartphone-based application has been made for servical cancer, but it is only available in hologram containing of Breast Self-Examination (BSE) for breast cancer. This does not include comprehensive information about breast cancer. Objective: To provide information service about breast cancer, and an explanation also simulation of how to do BSE based on a smartphone-based app. Methods: The research consists of application design, collection of assets as a database source, application validation, and testing to 100 respondents using purposive technique sampling. The evaluation for feasibility of the app was carried out using pre-test and post-test questionnaire.  Results: The app was successfully created and can be downloaded via Google Playstore. This app helps increase knowledge of the respondents about cancer from an average 43.38% to 77.22%. As much as 34.6% of respondents agree and 61.8% strongly agree that the app “Be Care” is useful. Conclusion: "Be Care" app is considered feasible to be used in increasing knowledge, awareness, and skills related to early detection of breast cancer. This Indonesian language app with “free access” is expected to be one of the effective media contributing to reducing the number of new cases and death due to cancer.
Model Formal Negosiasi dalam Sistem Penjadwalan Rapat Berbasis Agen Purbo, Tresnaningtiyas Sudartik; Kurniawan, Tri Astoto
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976762

Abstract

Sistem penjadwalan rapat menggunakan pendekatan berbasis agen bekerja dengan cara melakukan pencarian secara terdistribusi dalam rangka menemukan waktu pelaksanaan rapat yang dapat diterima oleh para peserta rapat. Dalam proses pencarian tersebut, agen-agen bernegosiasi untuk menyeimbangkan preferensi rapat dan preferensi para peserta rapat. Selama proses tersebut, konflik dapat terjadi dan mengakibatkan negosiasi perlu dilakukan dalam beberapa putaran dimana semakin banyak putaran akan mengurangi efisiensi pencarian. Untuk meningkatkan efisiensi, negosiasi perlu dijaga agar berlangsung secara konvergen. Artikel ini membahas model formal dari negosiasi sistem penjadwalan rapat berbasis agen untuk menjelaskan secara presisi beberapa konsep penting dalam negosiasi penjadwalan rapat berbasis agen sehingga bisa digunakan sebagai acuan dalam pengembangan sistem pada tahap selanjutnya. Konvergensi dalam negosiasi diwujudkan dengan membangun dua fase negosiasi. Pada fase pertama, proposal berisi sejumlah cluster solution, sedangkan proposal pada fase kedua berbentuk specific solution yang dibangkitkan berdasarkan cluster solution yang banyak dipilih peserta rapat. Dalam negosiasi ini, resolusi konflik juga disiapkan untuk mengatasi konflik yang tidak dapat dihindari dengan menerapkan relaxing constraint. Konsep negosiasi ini bisa diimplementasikan sebagai protokol negosiasi dalam sistem penjadwalan rapat berbasis agen. AbstractAn agent-based meeting scheduling system performs a distributed search to find an acceptable meeting time for the participants. In the search process, agents negotiate to balance meeting preferences and those of the participants. Conflicts may occur during the search, resulting in the negotiation in many rounds.  In fact, more rounds will reduce search efficiency. Negotiation needs to be kept convergent for their efficiency. This article discusses a formal model of negotiating an agent-based meeting scheduling system to avoid ambiguity when it is developed. Convergence in negotiations is realized by establishing two negotiation phases. In the first phase, the proposal contains several cluster solutions, while the proposal in the second phase is in the form of a specific solution that is generated based on the cluster solution chosen by many meeting participants. Conflict resolution is prepared to overcome unavoidable conflicts by applying relaxing constraints in this negotiation. This concept is ready to be implemented as a negotiation protocol for an agent-based meeting scheduling system.
Pengembangan Media Pembelajaran Video Animasi 2 Dimensi dengan Model ADDIE pada Mata Pelajaran Teknik Pengolahan Audio dan Video Kelas XII Multimedia SMKN 12 Malang Aprilianto, Pratama; Wijoyo, Satrio Hadi; Amalia, Faizatul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 6: Desember 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022934886

Abstract

Selama pandemi Covid-19 yang saat ini terjadi banyak inovasi baru dalam pembuatan media pembelajaran seperti media pembelajaran video. Media pembelajaran video digunakan untuk peserta didik melakukan pembelajaran daring. Pengembangan media pembelajaran dilakukan menggunakan model ADDIE dengan tahap antara lain (1) Melakukan analisis karakter peserta didik, analisis media dan analisis pembelajaran yang dilakukan; (2) Merancang desain karakter, skenario media dan merancang lembar instrumen; (3) Melakukan tahap development video animasi, perekaman audio dan finalisasi video; (4) Melakukan implementasi pada kegiatan pembelajaran tatap muka maupun daring; dan (5) Melakukan kegiatan evaluasi pembelajaran dan pengujian validitas media dan materi kepada 3 ahli media dan 2 ahli materi. Pengujian dilakukan mendapatkan hasil pada validitas media dengan kategori Cukup valid berjumlah 1 butir, Valid berjumlah 6 butir dan Sangat Valid berjumlah 13 butir, sedangkan pada pengujian validitas materi mendapatkan hasil dengan kategori Valid berjumlah 13 butir dan Sangat Valid berjumlah 7 butir. Hasil pengembangan yang dilakukan adalah berupa produk video pembelajaran animasi dua dimensi yang diunggah pada youtube dan website e-learning sekolah. Produk video animasi dua dimensi yang dikembangkan berguna bagi peserta didik jurusan multimedia untuk meningkatkan hasil belajar ketika masa pandemi. AbsctractDuring the Covid-19 pandemic, there are currently many new innovations in the manufacture of learning media such as video learning media. Video learning media are used for students to do online learning. The development of learning media is carried out using the ADDIE model with the following stages: (1) Conducting student character analysis, media analysis and learning analysis; (2) Designing character designs, media scenarios and designing instrument sheets; (3) Performing the animation video development stage, audio recording and video finalization; (4) Implementing face-to-face and online learning activities; and (5) Conducting learning evaluation activities and testing the validity of media and materials to 3 media experts and 2 material experts. The test was carried out to get results on the validity of the media with the category of Fairly valid amounting to 1 item, Valid amounting to 6 items and Very Valid amounting to 13 items, while in testing the validity of the material obtained results with the Valid category amounting to 13 items and Very Valid amounting to 7 items. The result of the development carried out is in the form of a two-dimensional animation learning video product that is uploaded on YouTube and the school's e-learning website. The two-dimensional animated video product developed is useful for students majoring in multimedia to improve learning outcomes during the pandemic.
Penentuan Guru Berprestasi Menggunakan Metode Analytical Hierarchy Process (AHP) dan VIseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR) Hanif, Kharis Hudaiby; Yudhana, Anton; Fadlil, Abdul
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 6: Desember 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022934628

Abstract

Guru merupakan bagian penting dalam memajukan suatu bangsa, karena guru dapat membimbing generasi penerus bangsa. Oleh karena itu penilaian guru berprestasi dibutuhkan untuk menciptakan generasi penerus bangsa yang baik. Penelitian AHP dan VIKOR bertujuan menghasilkan alternatif guru berprestasi di SMA N 2 Purbalingga. Metode AHP digunakan karena  mempunyai kelebihan dalam pembobotan setiap kriteria yang tidak dimiliki oleh VIKOR, metode VIKOR digunakan untuk perangkingan alternatif guru berprestasi. Tahapan-tahapan penelitian yaitu pengumpulan data, menentukan bobot kriteria, metode AHP, metode VIKOR, perhitungan manual dan sistem. Kriteria yang digunakan ada empat kriteria yaitu pedagogik, kepribadian, sosial, dan profesional. Nilai setiap kriteria akan diproses menggunakan metode AHP untuk mendapatkan bobot kriteria. Bobot kriteria selanjutnya dihitung menggunakan  metode VIKOR untuk mendapatkan alternatif guru berprestasi. Hasil perhitungan bobot prioritas kriteria dengan metode AHP dari kriteria pedagogik sampai profesional adalah 0,2236; 0,4187; 0,1162; 0,2414. Nilai-nilai tersebut merupakan nilai bobot kriteria yang akan digunakan untuk metode VIKOR. Bobot kriteria digunakan bersama dengan hasil dari pengisian kuesioner dalam VIKOR dengan data alternatif guru berprestasi untuk mendapatkan alternatif guru berprestasi. Metode AHP dan VIKOR diuji kebenarannya agar bobot dan perangkingan dapat dinyatakan benar. Hasil pengujian menggunakan black box didapatkan persentase 100%, oleh karena itu penelitian SPK dapat dinyatakan sesuai dan hasil perangkingan dapat menyelesaikan masalah yang ada di SMA N 2 Purbalingga. AbstractTeachers are an important part of advancing a nation, because teachers can guide the nation's future generations. Therefore, the assessment of outstanding teachers is needed to create a good future generation of the nation. AHP and VIKOR research aims to produce an alternative for outstanding teachers at SMA N 2 Purbalingga. The AHP method is used because it has advantages in weighting each criterion that VIKOR does not have, the VIKOR method is used for alternative ranking of outstanding teachers. The stages of the research are data collection, determining the criteria weights, the AHP method, the VIKOR method, manual and system calculations. There are four criteria used, namely pedagogic, personality, social, and professional. The value of each criterion will be processed using the AHP method to obtain the weight of the criteria. The weight of the criteria is then calculated using the VIKOR method to obtain an alternative for outstanding teachers. The results of the calculation of the criteria priority weight using the AHP method from pedagogic to professional criteria are 0.2236; 0.4187; 0.1162; 0.2414. These values are the criteria weight values that will be used for the VIKOR method. The weights of the criteria are used together with the results of filling out the questionnaire in VIKOR with alternative data for outstanding teachers to get alternatives for outstanding teachers. The AHP and VIKOR methods are tested for accuracy so that the weight and ranking can be declared correct. The results of the test using a black box obtained a percentage of 100%, therefore the SPK research can be declared appropriate and the ranking results can solve the problems that exist in SMA N 2 Purbalingga. 
Rancang Bangun Aplikasi Berbasis Android untuk Perbaikan Kualitas Citra Tanaman Atas Perbedaan Spesifikasi Kamera Smartphone pada Prediksi Kandungan Pigmen Fotosintesis Secara Real-Time Tjokro Atmodjo, Felix Adrian; Prilianti, Kestrilia Rega; Setiawan, Hendry
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976771

Abstract

Pigmen utama yang berperan penting pada fotosintesis, yaitu klorofil, karotenoid dan antosianin dapat dianalisis kandungannya untuk menentukan status kesehatan tanaman. Metode analisis kandungan pigmen yang dilakukan secara destruktif memerlukan penanganan khusus dan biaya yang tinggi. Fuzzy Piction adalah aplikasi Android yang telah dikembangkan sebelumnya untuk prediksi kandungan pigmen utama pada tanaman. Aplikasi tersebut mempunyai kemampuan untuk melakukan prediksi kandungan pigmen pada citra daun secara non-destruktif dengan menggunakan model Convolutional Neural Network (CNN) FP3Net. Namun, Fuzzy Piction masih belum invarian terhadap perbedaan kualitas citra yang dapat terjadi karena perbedaan kualitas atau spesifikasi kamera smartphone. Hal ini ditunjukkan dengan adanya perbedaan hasil prediksi kandungan pigmen pada beberapa smartphone untuk objek daun yang sama. Pada penelitian ini dikembangkan metode perbaikan citra dengan algoritma Partial Least Square Regression (PLSR) sebagai solusi atas permasalahan tersebut. Dengan penambahan metode perbaikan citra, aplikasi Fuzzy Piction dapat memberikan prediksi kandungan pigmen dengan tingkat presisi yang lebih baik. Aplikasi Fuzzy Piction difasilitasi dengan layanan cloud yang dikembangkan menggunakan Flask web service sehingga model perbaikan citra dan prediksi pigmen lebih mudah diperbarui. Hasil perbaikan warna oleh PLSR berhasil menyeragamkan warna citra serta dapat memberikan hasil prediksi kandungan pigmen dengan standar deviasi yang lebih kecil. Variasi prediksi kandungan pigmen dengan 3 jenis smartphone yang berbeda pada objek daun yang sama  dapat diturunkan sebesar 87% setelah citra asal diperbaiki dengan PLSR.AbstractChlorophyll, carotenoids, and anthocyanins are three main pigments that are important for photosynthesis process. Its content can be examined to determine the status of plants health. The destructive approach of evaluating pigment content is expensive and necessitates specialized handling. An Android based application called Fuzzy Piction could predict the content of those pigments nondestructively using the FP3Net, a Convolutional Neural Network (CNN) model. This application predicts the pigment content in plant leaf by its digital images. However, Fuzzy Piction is still not invariant to differences in image quality that can occur due to differences in smartphone camera specifications. This is indicated by the difference in the prediction results of the pigment content on several smartphones for the same leaf object. Therefore, the Partial Least Square Regression (PLSR) technique was used in this work as an image enhancement method to resolve the issue. Eventually, Fuzzy Piction may provide precise predictions of pigment content by embedding PLSR in it. A cloud service made with the Flask web service makes it easy to update the image enhancement and pigment prediction models for the Fuzzy Piction application. The results of color correction by PLSR succeeded in uniforming the color of the image and could provide predictive results of pigment content with a smaller standard deviation. The variation of pigment content prediction with 3 different smartphone types on the same leaf object can be reduced by 87% after the original image is corrected with PLSR.
Prediksi Kesiapan Sekolah Menggunakan Machine Learning Berbasis Kombinasi Adam dan Nesterov Momentum Rahayu, Indah Mustika; Yusuf, Ahmad; Ridwan, Mujib
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 6: Desember 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022955442

Abstract

Kesiapan sekolah adalah aspek perkembangan anak yang berperan pada kemampuan anak untuk beradaptasi dalam sistematika pendidikan tingkat dasar. Berdasarkan Permendikbud, usia 7 tahun adalah usia yang tepat bagi anak masuk Sekolah Dasar, karena anak telah memiliki kesiapan fisik dan psikis untuk mengikuti proses pendidikan formal. Namun, setiap anak tidak memiliki kondisi yang sama pada usia tertentu. Sehingga, diperlukan Nijmeegse Schoolbekwaamheids Test (NST) untuk mengukur kesiapan sekolah. Instrumen NST hanya dapat digunakan oleh Biro Psikologi yang mempunyai kemampuan dalam melakukan asesmen psikologis. Sedangkan, guru serta orang tua yang memiliki peran dalam bentuk pemberian dukungan dan stimulasi pada anak tidak dapat menggunakan instrumen tersebut. Machine learning adalah teknik yang menggunakan algoritma untuk menemukan pola yang berguna dalam data. Berdasarkan data NST terdahulu, dapat dirancang model prediksi kesiapan sekolah yang akan memudahkan guru dan orang tua dalam mengetahui kesiapan anak untuk masuk Sekolah Dasar. Data penelitian adalah data administratif 225 siswa yang telah mengikuti tes kesiapan sekolah berbasis NST yang diselenggarakan oleh TK Ar-Rasyid pada tahun 2012-2018. Data administratif NST terdiri dari umur, jenis kelamin, urutan anak, jumlah saudara, status TK, pendidikan ayah, pendidikan ibu dan hasil kesiapan sekolah. Berdasarkan korelasi Chi-Square, variabel yang memiliki hubungan signifikan kuat terhadap hasil tes kesiapan sekolah adalah status TK, jumlah saudara dan umur anak dengan nilai p<.05. Penelitian menggunakan algoritma Artificial Neural Network dengan metode optimasi kombinasi Adam dan Nesterov Momentum. Pengujian menggunakan skenario 5-fold cross validation. Hasil penelitian menunjukkan bahwa kombinasi Adam dan Nesterov Momentum memiliki kinerja lebih baik daripada classical Adam dalam memprediksi kesiapan sekolah dengan akurasi 96% dan loss 0.06 dalam 1.98 seconds pada 10 neuron dan 1000 epochs. AbstractSchool readiness is an aspect of child development that plays a role in the child's ability to adapt in the systematics of elementary level education. Based on the Minister of Education and Culture, 7 years is the right age for children to enter elementary school, because children already have physical and psychological readiness to take part in the formal education process. However, every child does not have the same condition at a certain age. Thus, the Nijmeegse Schoolbekwaamheids Test (NST) is needed to measure school readiness. The NST instrument can only be used by the Psychology Bureau who has the ability to carry out psychological assessments. Meanwhile, teachers and parents who have a role in providing support and stimulation to children cannot use these instrument. Machine learning is a technique that uses algorithms to find useful patterns in data. Based on previous NST data, it can be designed as a school readiness prediction model that will facilitate teachers and parents in knowing the readiness of children to enter elementary school. Research data is administrative data of 225 students who have taken the NST-based school readiness test conducted by TK Ar-Rasyid in 2012-2018. NST administrative data consists of age, gender, child position, number of siblings, pre-elementary status, father education, mother education and school readiness results. Based on the Chi-Square correlation, variables that have a strong significant relationship to school readiness test results are pre-elementary status, number of siblings and age with p<.05. The research used Artificial Neural Network algorithms with a combination of Adam and Nesterov Momentum optimization method. Model testing used a 5-fold cross validation scenario. The results showed that the combination of Adam and Nesterov Momentum performed better than classical Adam in predicting school readiness with 96% accuracy and 0.06 loss in 1.98 seconds on 10 neurons and 1000 epochs.
Penerapan Algoritma Fuzzy Mamdani untuk Memberikan Saran yang Optimal dalam Pengambilan Keputusan pada Permainan KArtu Monster Perdana, Muhammad Rizky; Sundawaijaya, Andika; Nuraminah, Ahlijati
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976765

Abstract

Permainan kartu monster Yu-Gi-Oh merupakan permainan strategi yang dilakukan bergiliran antar pemain dengan mengeluarkan kartu yang tepat untuk menyerang atau bertahan dengan tujuan mengurangi poin kehidupan musuh dan melindungi poin kehidupan pemain. Dalam menentukan kartu yang tepat dalam permainan, diperlukan informasi yang akurat pada suatu kondisi permainan. Banyak pemain salah mengambil langkah dalam permainan, sehingga kesempatan kalah menjadi lebih besar. Untuk itu diperlukan sebuah sistem saran yang mampu membantu pemain dalam menentukan kartu yang sesuai untuk digunakan dalam permainan tersebut. Sistem saran akan memberikan masukan kepada pemain dalam menentukan kartu yang tepat dan optimal dalam suatu langkah. Salah satu algoritma yang mampu memetakan dan menentukan keputusan yang dapat menjadi sebuah sistem saran adalah fuzzy dengan inferensi Mamdani. Pada penelitian ini, pemilihan saran kartu menggunakan algoritma Fuzzy Mamdani dilakukan berulang kali sebanyak 15 kali menggunakan data kartu Yu-Gi-Oh yang sudah diolah. Hasil akurasi dari model pemilihan saran kartu yang dirancang sebesar 0,733 yang artinya cukup baik. Dari hasil tersebut rekomendasi pengembangan penelitian antara lain dengan menambah kartu pada dataset seperti beberapa tipe kartu yang berbeda dan menambahkan atau menggunakan metode yang berbeda serta analisis penambahan input pada variabel Fuzzy untuk menambah akurasi sistem dalam memilih saran kartu yang lebih optimal.AbstractThe Yu-Gi-Oh monster card game is a strategy game that takes turns between players by issuing the right cards to attack or defend with the aim of reducing enemy life points and protecting the player's own life points. In determining the right card to use in the game, the right information is needed in a game condition. Many players take the wrong steps in the game, so the chance of lose is greater. It need a suggestion system that is able to assist players in determining the appropriate cards to be used in the game. The suggestion system will provide input to players in determining the right and optimal card in a move. Algorithm that is able to map and determine decisions that can become a suggestion system is fuzzy with Mamdani inference. In this study, the selection of card suggestions using the Fuzzy Mamdani algorithm was repeated 15 times using processed Yu-Gi-Oh card data. The results of the accuracy of the proposed card selection model are 0.733, which means it is quite good. From these results, recommendations for further research include adding cards to the dataset such as several different card types and adding or using different methods and analysis of adding input to fuzzy variables to increase system accuracy in choosing more optimal card suggestions.
Sistem Deteksi Myocardial Infarction Berdasarkan Pathological Q Waves Dan ST Segment Elevation Menggunakan Metode Support Vector Machine Prasetyo, Ragil Hadi; Widasari, Edita Rosana; Budi, Agung Setia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976837

Abstract

Jantung merupakan organ yang sangat penting bagi tubuh manusia karena jika mengalami gangguan pada jantung akan memberi dampak yang besar pada tubuh. Menurut World Health Organization (WHO) kematian yang disebabkan oleh penyakit jantung di dunia mencapai 17.9 juta setiap tahunnya. Salah satu gangguan pada jantung adalah Myocardial Infarction yaitu gangguan yang diakibatkan oleh penyumbatan darah menuju jantung. Salah satu cara untuk mengetahui seseorang menderita Myocardial Infarction yaitu dengan melakukan tes Electrocardiogram (ECG), tetapi untuk melakukan test ECG tersebut cukup mahal dan sulit dijangkau untuk beberapa orang. Penelitian ini melakukan deteksi Myocardial Infarction berdasarkan 2 kondisi sinyal abnormal yaitu Pathological Q Waves dan ST Segment Elevation. Kedua kondisi sinyal abnormal tersebut dapat digunakan untuk mendeteksi Myocardial Infarction. Penelitian ini menggunakan modul sensor AD8232 sebagai input untuk membaca aliran listrik pada jantung. Kemudian sinyal yang dibaca oleh sensor diproses di Arduino Uno dan dilakukan klasifikasi dan menampilkan hasilnya pada LCD 16x2 sebagai output. Penelitian ini melakukan pengujian modul sensor AD8232 dalam menghitung Beat per Minute (BPM) dan mendapatkan akurasi 99%. Klasifikasi yang digunakan yaitu Support Vector Machine yang mendapatkan akurasi 83.,30% dengan rata-rata waktu komputasi 31,20ms.AbstractHeart is a very important organ for the human body because if you experience a disorder of the heart it will have a big impact on the body. According to the World Health Organization (WHO), deaths caused by heart disease in the world reach 17.9 million each year. One of the disorders in the heart is Myocardial Infarction which is a disorder caused by blood blockage to the heart. One way to find out someone has Myocardial Infarction is to do an Electrocardiogram (ECG) test, but to do an ECG test is quite expensive and difficult to reach for some people. This study detected Myocardial Infarction based on 2 abnormal signal conditions, namely Pathological Q Waves and ST Segment Elevation. Both abnormal signal conditions can be used to detect Myocardial Infarction. This study used the AD8232 sensor module as an input to read the electricity flow in the heart. Then the signal read by the sensor is processed in the Arduino Uno and is classified and displays the result on a 16x2 LCD as an output. The study tested the AD8232 sensor module in calculating (Beat Per Minute)BPM and obtained 99% Accuracy. The classification used is the Support Vector Machine which gets an accuracy of 83.30% with an average computing time of 31.20ms.
Sistem Pendeteksi Central Sleep Apnea Menggunakan Metode Neural Network dengan Fitur RR Interval dan Durasi QRS Ratanasari, Dittha; Widasari, Edita Rosana; Maulana, Rizal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976758

Abstract

Penyakit Central Sleep Apnea (CSA) adalah gangguan tidur akibat otak gagal memberi tahu otot-otot untuk bernapas sehingga terjadi periode henti napas ketika tidur. Kondisi ini menganggu jumlah, kualitas atau durasi tidur seseorang dan memicu sumber masalah kelelahan di siang hari, masalah jantung, tekanan darah tinggi dsb. Standar diagnosis pemeriksaan kondisi CSA adalah polisomnografi yang terkenal terbatas. Sebab tingginya prevalensi Sleep Apnea dan kurangnya ketersediaan diagnosis pemeriksaan, juga dibutuhkan biaya yang relatif tinggi. Penelitian ini dilakukan untuk mengembangkan sistem portable dalam membantu mendeteksi penyakit CSA. Sinyal ECG jantung dimanfaatkan karena irama jantung berdetak secara berbeda saat periode henti napas tiba-tiba waktu tidur, yang telah dinilai membantu proses diagnosis. Sistem dirancang dengan mikrokontroller Arduino Uno, sensor AD8232 dan modul Bluetooth HC-05. Sensor sebagai pendeteksi aktifitas listrik jantung, dengan 3 buah elektroda menempel pada dada untuk merekam lalu diekstraksi fitur RR interval dan durasi QRS. Kedua fitur pada 18 set data uji diklasifikasi dengan metode Neural network, keluarannya berupa kelas Normal atau Apnea ditampilkan pada smartphone dengan konektivitas Bluetooth. Pengujian kinerja sistem untuk deteksi sensor memperoleh nilai 96.18%, dan presentase akurasi klasifikasi Neural Network menghasilkan 83.3% dengan waktu komputasi 46.44 ms. AbstractCentral sleep apnea (CSA) is a sleep disease in which the brain fails to send signals to the muscles to breathe, resulting in periods of no breathing during sleep. This disorder interferes with a person's sleep quantity, quality, or duration, which can lead to daytime weariness, heart difficulties, high blood pressure, and other issues. Polysomnography is the primary diagnostic technique for Central Sleep Apnea, yet it is notoriously restricted. The expenditures are relatively expensive due to the high incidence of sleep apnea and the paucity of diagnostic methods. The goal of this study was to create a portable device for detecting CSA illness. It has been evaluated to help in the diagnosing process and uses cardiac ECG data since the heart rhythms alter during periods of abrupt stoppage during sleep. The Arduino Uno microcontroller, AD8232 sensor, and HC-05 Bluetooth module are used in the system. With three electrodes attached to the chest to record and then extract the RR interval and QRS duration properties, the sensor is used to monitor the electrical activity of the heart. The Neural network technique classifies the two properties in the 18 test data sets, and the output in the form of Normal or Apnea classes is shown on a smartphone with Bluetooth connectivity. The sensor detection system performance test yielded a result of 96.18%, and the percentage accuracy of Neural Network classification was 83.3% with a processing time of 46.44ms.
Pengembangan Auto-AI Model Generatif Analisis Kompleksitas Waktu Algoritma Untuk Data Multi-Sensor IoT Pada Node-RED Menggunakan Extreme Learning Machine Cholissodin, Imam; Syauqy, Dahnial; Firmanda, Dwi Ady; Aji, Ibrahim; Rahman, Edy; Harahap, Syazwandy; Septino, Fernando
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976738

Abstract

Awal mulanya, algoritma hanya dipakai untuk solusi penyelesaian persamaan matematika sederhana, seperti aljabar, aritmatika, probabilitas, dan lainnya yang lebih banyak dikerjakan secara manual dan membutuhkan waktu dan upaya yang cukup tinggi seperti pada kasus penghitungan nilai kompleksitas waktu algoritma dengan model rumus T(n), baik untuk algoritma non-rekursif maupun rekursif. Namun dengan perkembangan teknologi komputer untuk AI, Machine Learning maupun Deep Learning, algoritma dengan basis AI tersebut, dalam penelitian ini dikembangkan untuk menemukan solusi general persamaan model T(n) secara otomatis dari desain algoritma sederhana atau kompleks. Langkah dalam penelitian digunakan pembuatan model generatif berbasis algoritma Extreme Learning Machine (ELM) berdasarkan pencatatan nilai waktu komputasi pada beberapa kali pengujian untuk mengotomasi penentuan model persamaan kompleksitas waktu algoritma secara general baik untuk pencarian best case, worst case maupun average case untuk non-rekursif, dan base case dan recurrent case untuk rekursif, maupun keduanya. Hasil komparasi nilai T(n) dari ELM, yang tercepat atau terkecil waktu komputasinya digunakan sebagai rekomendasi algoritma untuk pengolahan data multi-sensor pada Internet of Things (IoT) simulator maupun non-simulator menggunakan Node-RED dengan tambahan platform yaitu flespi dan Heroku, sebagai solusi general untuk semua jenis kasus dan analisis algoritmanya. Berdasarkan pengujian didapatkan selisih nilai antara data aktual dengan hasil prediksi dalam ukuran nilai rata-rata MAPE sebesar 11,90%, yang menunjukkan nilai kesalahan yang cukup kecil. AbstractInitially, algorithms were only used for solving simple mathematical equations such as algebra, arithmetic, probability, and others that were mostly carried out manually and required quite a lot of time and effort as in the case of calculating the value of the time complexity of the algorithm with the formula model of T(n), both for non-recursive and recursive algorithms. However, with the development of computer technology for AI, both Machine Learning and Deep Learning, the AI-based algorithms in this study were developed to identify general solutions to the T(n) model equation automatically from simple or complex algorithm designs. The steps in the study are utilized to create a generative model based on the Extreme Learning Machine (ELM) algorithm according to the recording of computational time values on several tests to automate the determination of time complexity equation model of the algorithm in general including the search of best cases, worst cases, and average cases for non-recursive, and base cases and recurrent cases for recursive, as well as algorithms that contain both. The results of the comparison of T(n) values from ELM revealed that the fastest or smallest computational time is used as the algorithm recommendations for multi-sensor data processing in the Internet of Things (IoT) simulators and non-simulators by utilizing Node-RED with additional platforms i.e., flespi and Heroku, as a general solution for the entire types of cases and analysis of their algorithms. Based on the tests that have been carried out, the difference in value between the actual data and the prediction results in the size of the MAPE average value of 11.90%, which shows a fairly small error value.

Page 79 of 129 | Total Record : 1288

 77   78   79   80   81 

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: April 2015 Vol 2, No 1 (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