cover
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
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.
Articles 1,288 Documents
Implementasi Algoritma Genetika Dalam Optimasi Model AHP dan Topsis Untuk Penentuan Kelayakan Pengisian Bibit Ayam Broiler di Kandang Peternak Mu’asyaroh, Fita Lathifatul; Mahmudy, Wayan Firdaus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (936.975 KB) | DOI: 10.25126/jtiik.201634206

Abstract

Peternakan ayam broiler merupakan salah satu jenis usaha yang paling potensial dikembangkan. Pola yang biasa digunakan dalam pengembangan ayam broiler adalah pola kemitraan inti plasma. Pada pola ini perusahaan mitra meninjau layak tidaknya kandang peternak untuk mendapatkan bibit ayam broiler. Dalam penelitian ini ada beberapa penilaian kriteria yang dilakukan yaitu: riwayat peternak, tinggi kandang, jarak antar kandang, kelembapan, kekuatan kandang dan keamanan. Agar dapat memperoleh penilaian kelayakan kandang yang optimal, penelitian ini menawarkan solusi menggunakan algoritma genetika sebagai algoritma untuk penentuan kandang peternak dalam pengisian bibit ayam broiler. Data yang digunakan dalam penelitian adalah 46 data kandang ayam broiler. Proses algoritma genetika ini menggunakan representasi real–code dengan panjang kromosom sesuai dengan kriteria yang ditentukan, metode crossover yang digunakan adalah extended intermediate crossover, metode mutasi yang digunakan adalah random mutation, dan diseleksi dengan metode elitism. Dari hasil pengujian yang diperoleh parameter optimal yaitu ukuran populasi 105 individu dengan rata-rata fitness sebesar 0,73910, generasi sebanyak 115 dengan rata-rata firness sebesar 0,7610 dan kombinasi cr 0,5 dan mr 0,1 dengan rata-rata fitness sebesar 0,75218. Hasil akhir berupa layak atau tidak layak kandang peternak untuk diisi ayam broiler.
Peningkatan Network Lifetime Pada Wireless Sensor Network Menggunakan Clustered Shortest Geopath Routing (C-SGP) Protocol Astuti, Listyanti Dewi; Wibisono, Waskitho
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 3: September 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (980.796 KB) | DOI: 10.25126/jtiik.201743336

Abstract

AbstrakJaringan sensor nirkabel atau wireless sensor network adalah sebuah jaringan yang terdiri dari banyak sensor node, yang berfungsi untuk memindai fenomena tertentu di sekitarnya. Masing-masing sensor node pada umumnya memiliki sumber daya energi berupa baterai, yang memiliki kapasitas terbatas, sehingga diperlukan sebuah teknik untuk meningkatkan network lifetime pada wireless sensor network. Pada penelitian ini, protokol routing Shortest Geopath (SGP) dikembangkan menjadi sebuah protokol routing berbasis cluster, dengan membagi jaringan menjadi beberapa cluster yang masing-masing memiliki cluster head. Pembentukan cluster dilakukan dengan menggunakan informasi geografis area jaringan untuk membentuk cluster berupa segi enam (hexagon). Penentuan cluster head dilakukan dengan mencari node yang memiliki posisi geografis paling dekat dengan titik tengah area cluster. Pengiriman data dilakukan dengan sistem adaptif, dimana data dengan prioritas rendah dikirim setelah mencapai jumlah data tertentu, dan dikirim setelah melalui proses rata-rata sehingga hanya menghasilkan satu data untuk dikirim. Data dengan prioritas tinggi, dikirim langsung menuju sink. Hasil simulasi menunjukkan peningkatan network lifetime hingga 25,68% jika dibandingkan dengan protokol routing Shortest Geopath yang tidak melalui proses clustering. Kata kunci: Network Lifetime, clustering, Shortest Geopath Routing, Wireless Sensor Network AbstractWireless sensor network is a type of network consisting many sensor nodes. Each sensor node has a limited battery capcity, which most of the time, cannot be recharged. Thus, researches on extending network lifetime of wireless sensor networks are indispensable. This research proposed a cluster-based routing protocol, which adds clustering phase to the Shortest Geopath Routing (SGP) protocol. Cluster formation is done by forming imaginary hexagons using geographical informations about the network. Node which is nearest to the center point of the hexagon is appointed to be cluster head. Data transmissions are controlled by an adaptive mechanism. Low priority datas are only sent after the responsible node already obtained a specified number of datas. The datas, then, are being averaged and wrapped into a single data to be sent to the sink. Very high priority datas are, however, directly sent to the sink without passing the averaging process. It reduces the number of transmissions, which eventually help extending the network lifetime together with the clustering mechanism. Simulation results showed that the proposed protocol increases network lifetime up to 25.68% compared to the original un-clustered Shortest Geopath Routing protocol.Keywords: Network Lifetime, clustering, Shortest Geopath Routing, Wireless Sensor Network
Pengembangan Metode Klasifikasi Berdasarkan K-Means Dan LVQ Eka Ratnawati, Dian; ., Marji; Muflikhah, Lailil
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 1 No 1: April 2014
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (646.659 KB) | DOI: 10.25126/jtiik.20141197

Abstract

AbstrakPada penelitian ini dikembangkan metode klasifikasi berdasarkan pengelompokan K-Means dan LVQ. Metode-metode klasifikasi yang telah ada jika ada data dengan frekuensi kecil cenderung tidak digunakan dalam pengujian kelas, padahal dimungkinkan data tersebut sangat bermanfaat. Langkah untuk melakukan pengelompokan adalah: melakukan pengelompokkan dengan K-Means. Pengelompokan terus dilakukan sampai mencapai threshold (batasan tertentu). Jika threshold sudah dicapai dan pada satu cluster masih terdapat kelas yang berbeda maka dilakukan pembelajaran dengan menggunakan LVQ. Akurasi gabungan K-Means dan LVQ lebih baik daripada dengan K-Means murni. Untuk  akurasi rata-rata tertinggi K-Means dan LVQ didapatkan 92%, sedang untuk K-Means murni 82%.Kata kunci: klasifikasi, pengelompokan, K-Means, LVQAbstractThis research will develop methods of classification based on K-Means clustering. Grouping method used is a combination of K-Means and LVQ. Classification methods that have been there if there is a small frequency data tend to be used in the test class, but it is possible they are very useful. Steps to perform grouping is doing the K-Means clustering. Grouping is continues until it reaches the threshold. If the threshold has been reached and there are cluster of different classes then performed using LVQ learning. Accuracy combined K-Means and LVQ is better than with pure K-Means. For the highest average accuracy of K-Means and LVQ gained 92%, while for the K-Means only 82%.Keywords: classification, grouping, K-Means, LVQ
Aplikasi WEB untuk Rekomendasi Restoran Menggunakan Weighted Product Pandean, Santo Sinar; Hansun, Seng
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5 No 1: Februari 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (364.818 KB) | DOI: 10.25126/jtiik.201851626

Abstract

Kebutuhan akan makanan merupakan hal pokok dalam kehidupan manusia. Tidak sedikit pula masyarakat yang melakukan wisata kuliner untuk memenuhi kebutuhan makanan bagi kehidupan. Tentunya, hal tersebut menyebabkan suatu keadaan dimana masyarakat membutuhkan suatu informasi mengenai restoran yang dapat menjadi pertimbangan untuk dikunjungi. Hal inilah yang menjadi latar belakang untuk membuat sistem rekomendasi restoran. Tujuan penelitian ini adalah merancang dan membangun sistem rekomendasi restoran berbasis web dengan menggunakan metode Weighted Product. Berdasarkan skenario uji coba, dapat disimpulkan bahwa algoritma Weighted Product telah berjalan dengan benar pada aplikasi yang dibangun. Tingkat kepuasan pengguna berdasarkan hasil kuesioner yang dilakukan terhadap 30 responden secara langsung adalah sebesar 78,55% yang mengindikasikan bahwa pengguna merasa puas dengan aplikasi yang dibangun. Kuesioner yang digunakan juga disimpulkan bersifat reliabel dengan hasil perhitungan menggunakan Cronbach Alpha sebesar 0,792
Pemodelan dan Analisis Wireless Mesh Network dengan Arsitektur Publish-Subscribe dan Protokol MQTT Amron, Kasyful; Pramukantoro, Eko Sakti; Data, Mahendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (801.194 KB) | DOI: 10.25126/jtiik.201632184

Abstract

AbstrakAkses terhadap informasi menjadi kebutuhan yang sangat penting bagi manusia. Namun, tidak semua daerah memiliki akses yang layak terhadap informasi terutama daerah terpencil dikarenakan keterbatasan infrastruktur komunikasi. Teknologi wireless mesh network (WMN) dapat menjadi salah satu solusi untuk mengatasi masalah keterbatasan infrastruktur tersebut. Untuk meningkatkan performa WMN, maka perlu adanya rancangan mekanisme pengiriman informasi yang efisien. Ide penelitian ini pada dasarnya adalah memberikan solusi pengiriman informasi menggunakan arsitektur publish subscribe. Protokol publish subscribe yang digunakan adalah protokol MQTT (Message Queuing Telemetry Transport). Pada penelitian ini dilakukan pengujian terhadap Quality of Service seperti throughput, delay, jitter, dan packet loss untuk keseluruhan node. Pada pengujian QoS arsitektur WMN maupun MTQQ menunjukan bahwa kualitas layanan dipengaruhi oleh jarak,jumlah node yang dilewati dan material yang menghalangi. Seperti yang ditunjukan pada hasil pengujian antara node yang dihalangi tiga tembok beton, packet lossnya mencapai 88.8% dan delaynya sebesar 2.493,79 ms.Kata kunci: wireless, mesh network, publish and subscribeAbstractHas an access to the information becomes a very important requirement for humans. However, not all areas are have adequate access to information, especially in rural areas due to limited communication infrastructures. Wireless mesh network (WMN) technology may be can act as one alternative solution to overcome the problems. To improve the performance of WMN, it is necessary to design efficient information delivery mechanism. The idea of this research is basically giving information delivery solutions using the publish subscribe architecture. Publish-subscribe protocol used here is the MQTT protocol (Message Queuing Telemetry Transport). In this research, the Quality of Service testing such as throughput, delay, jitter, and packet loss for the entire node. On testing and MTQQ WMN QoS architecture shows that quality of service is affected by distance, number of nodes that pass and blocking material. As shown in the test results between nodes that hindered three concrete walls, packet lossnya reached 88.8% and the delay amounted to 2493.79 ms.Keywords: wireless, mesh network, publish and subscribe
Klasifikasi Sepeda Motor Berdasarkan Karakteristik Konsumen Dengan Metode K-Nearest Neighbour Pada Big Data Menggunakan Hadoop Single Node Cluster Putra, Nanda Agung; Putri, Ardisa Tamara; Prabowo, Dhimas Anjar; Surtiningsih, Listiya; Arniantya, Raissa; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 2: Juni 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (911.878 KB) | DOI: 10.25126/jtiik.201742242

Abstract

AbstrakPenelitian ini mengusulkan sebuah klasifikasi terhadap sepeda motor berdasarkan karakteristik konsumen. Sepeda motor memiliki beberapa jenis dan merk yang berbeda sehingga menyebabkan banyaknya pilihan yang dimiliki konsumen. Konsumen akan memilih sepeda motor yang diinginkannya berdasarkan latar belakang yang berbeda. Pada penelitian ini, Konsumen akan dikelompokkan berdasarkan sepeda motor yang dibeli sehingga penjual dapat mengetahui karakteristik konsumen yang membeli suatu jenis atau merk tertentu. Karakterisitik konsumen dapat ditentukan dengan usia, jenis kelamin, pendapatan, status pernikahan dan jumlah anak. Berdasarkan karakteristik tersebut perlu dilakukan pengelompokan untuk menentukan merk sepeda motor. Dalam penelitian ini metode yang digunakan yakni K-Nearest Neighbour (K-NN). K-NN merupakan algoritma yang umum digunakan untuk klasifikasi dan mencari kelas dari data uji dengan mayoritas kelompok yang memiliki jarak terdekat. Dataset yang digunakan dalam penelitian ini yaitu karakteristik konsumen. Uji coba dengan dataset tersebut menghasilkan merk sepeda motor dari data uji yang sudah ditentukan.Kata kunci: k-nearest neighbor, klasifikasi, k-nearest neighbor classification, sepeda motor.AbstractThis research proposed a classification of motorcycle based on customer’s characteristics. Motorcycles have different type and brand so that customers have many choices. Customer will choose motorcycle which they want to be based on different background. In this study, the customer will be grouped by motorcycle were purchased so that the seller can know characteristics of customers who buy certain type or brand. Characteristics of customers can be determined by age, gender, income, status and number of children. Based on these characteristic, we have to group for specifying motorcycle’s type. In this research, the method used K-Nearest Neighbor (K-NN). K-NN algorithm is commonly used for classifying and searching for a group of test data with the majority of the group that has the shortest distance. The dataset used in this project is the final consumer characteristics. Trials with the dataset produce motorcycle brand of test data that has been determined. Keywords: k-nearest neighbor, classification, k-nearest neighbor classification, motorcycle.
Penilaian Faktor Penerimaan Teknologi Blended learning di PTIIK Universitas Brawijaya dengan Metode Unified Theory of Acceptance and Use of Technology (UTAUT) Pradana, Fajar; Rachmadi, Aditya; Bachtiar, Fitra A.
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 2 No 1: April 2015
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (805.774 KB) | DOI: 10.25126/jtiik.201521130

Abstract

AbstrakBlended learning adalah kolaborasi atau kombinasi antara pembelajaran tradisional (pembelajaran dengan tatap muka secara langsung) dan pembelajaran menggunakan teknologi atau e-learning. Universitas Brawijaya sebagai penyelenggara pendidikan tinggi juga telah memfasilitasi penggunaan teknologi untuk blended learning. Namun pada penerapan blended learning masih terdapat beberapa permasalahan Pada penelitian ini digunakan Unified Theory of Acceptance and Use of Technology (UTAUT) sehingga mampu menutupi kekurangan dari penelitian sebelumnya. Faktor-faktor yang dapat diidentifikasi dengan UTAUT diwakili 2 faktor yaitu perilaku penggunaan (Use Behavior) serta perilaku keinginan dalam menggunakan sistem (Behavioral Intention). Masing-masing dari kedua faktor ini dipengaruhi oleh 4 faktor yaitu harapan kinerja sistem (performance expectancy), harapan usaha yang dikeluarkan untuk mengoperasikan sistem (Effort Expectancy), pengaruh sosial (Social Influence) serta kondisi fasilitas yang mendukung operasional sistem (Facilitating Conditions). Sedang 4 faktor ini ditentukan oleh gender, umur, pengalaman dalam menggunakan sistem kesukarelaan penggunaan sistem dari pengguna. Dengan  menggunakan  UTAUT ternyata  didapatkan  hasil  evaluasi bahwa faktor-faktor yang memiliki pengaruh terhadap penggunaan sistem blended learning  di PTIIK adalah H1 : Variabel-variabel PU, JF, RF, EA dan OE tidak berpengaruh terhadap variabel AT, H2 : Variabel-variabel PeoU berkontribusi terhadap variabel AT, H3 : SN, SF dan I tidak berkontribusi terhadap variabel AT, H4 : Variabel-variabel PBC/PB berkontribusi terhadap variabel IM, dan H5 : Variable AT mempengaruhi IM.Kata kunci: Blended Learning,UTAUT, Universitas BrawijayaAbstractBlended learning is a collaboration or a combination of traditional learning (learning by direct face to face) and learning to use the technology or e-learning. UB as a provider of higher education has also facilitated the use of technology for blended learning. However, on the application of blended learning there are still some problems in this research used the Unified Theory of Acceptance and Use of Technology (UTAUT) so as to cover the lack of previous studies. Factors that can be identified by UTAUT represented by two factors, namely the usage behavior (Behavior Use) as well as the desire to use the system behavior (Behavioral Intention). Each of these two factors is influenced by four factors: the expectations of system performance (performance expectancy), the hope of effort expended to operate the system (Effort Expectancy), social influence (Social Influence) and the condition of the facilities that support the operation of the system (Facilitating Conditions). 4 of these factors being determined by gender, age, experience in using the voluntary system of use of the system from the user. By using UTAUT it was found on the evaluation that the factors that have an influence on the use of a system of blended learning in PTIIK is H1: Variables PU, JF, RF, EA and OE does not affect the variable AT, H2: Variables PEOU contribute to AT variables, H3: SN, SF and I do not contribute to the variable AT, H4: Variables PBC / PB contribute to variable IM, and H5: Variable AT affect IMKeywords: Blended Learning,UTAUT, Brawijaya University
Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang Jauhari, Daneswara; Himawan, Alfian; Dewi, Candra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 2: Juni 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1406.017 KB) | DOI: 10.25126/jtiik.201632155

Abstract

AbstrakDistribusi air PDAM merupakan nilai volume air yang disalurkan ke pelanggan PDAM. Faktor yang mempengaruhi distribusi air PDAM diantanya adalah jumlah kehilangan air dan jumlah air yang terjual. Paper ini mengimplementasikan jaringan syaraf tiruan backpropagation untuk memprediksi jumlah dari distribusi air perbulan berdasarkan jumlah kehilangan air dan jumlah air yang terjual. Pada tahap pelatihan dilakukan pengujian untuk mendapatkan iterasi, learning rate, data latih dan data uji, jumlah node pada lapisan tersembunyi, dan minimum error yang optimal. Hasil pelatihan didapatkan iterasi optimal sebanyak 2000, learning rate yang optimal 0.1, data latih dan data uji yang optimal sebanyak 80 untuk data latih dan 11 untuk data uji, jumlah node pada lapisan tersembunyi sebanyak 5, sedangkan minimum error adalah 0.00001. Dari hasil pengujian menggunakan parameter optimal tersebut didapatkan akurasi terbaik sebesar 97,99%.Kata kunci: prediksi, distribusi air, PDAM, backpropagation, jumlah kehilangan air, jumlah air terjualAbstractPDAM water distribution is the value of the volume of water delivered to the customer taps. Factors affecting the distribution of water are amount of water loss and amount of water sold. This paper implements of the use of backpropagation neural network to predict the amount of water distribution per month based on mentioned factors above. The learning  phase is done to get the optimum number of iterations, learning rate, training data and test data, hidden node, and minimum error. The testing result shows the optimum number of iteration is 2,000, the optimum value of learning rate is 0.1, the optimum training data and test data as much as 80 for training data and 11 for the test data, the number of hidden node is 5, whereas the minimum error obtained is 0.00001. The results of testing by using these optimum parameter give the best accuracy of 97.99%.Keywords: prediction, water distribution, PDAM, backpropagation, water loss, water sold
Optimasi Kandungan Gizi Susu Kambing Peranakan Etawa (PE) Menggunakan ELM-PSO Di UPT Pembibitan Ternak Dan Hijauan Makanan Ternak Singosari-Malang Cholissodin, Imam; Sutrisno, Sutrisno; Soebroto, Arief Andy; Hanum, Latifah; Caesar, Canny Amerilyse
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (812.167 KB) | DOI: 10.25126/jtiik.201741223

Abstract

AbstrakSusu merupakan salah satu sumber protein hewani yang mengandung semua zat yang dibutuhkan tubuh. Ternak penghasil susu utama di Indonesia yaitu sapi perah, namun produksi susunya belum dapat mencukupi kebutuhan masyarakat. Alternatifnya adalah kambing peranakan etawa (PE). Tingginya kualitas kandungan gizi susu sangat dipengaruhi oleh beberapa faktor salah satunya, yaitu faktor pakan. Bagian peternakan kambing PE di UPT Pembibitan Ternak dan Hijauan Makanan Ternak Singosari-Malang masih menghadapi permasalahan, yaitu rendahnya kemampuan dalam memberikan komposisi pakan terhadap kambing PE. Kekurangan tersebut berpengaruh terhadap kualitas susu yang dihasilkan. Diperlukan pengetahuan rekayasa kandungan gizi susu untuk menentukan komposisi pakan dalam menghasilkan susu premium dengan kandungan gizi optimal. Penulis menggunakan metode Extreme Learning Machine (ELM)dan Particle Swarm Optimization (PSO)  untuk membuat pemodelan pakan kambing dalam mengoptimasi kandungan gizi susu kambing. Dalam analisa pengujian konvergensi menggunakan metode ELM-PSO yang dilakukan dengan kasus untuk berat badan kambing 32 kg, serta jenis pakan yang digunakan yaitu rumput Odot 70% dan rumput Raja 30% menghasilkan sistem mencapai kestabilan dalam konvergensi pada iterasi ke-20 dengan fitness terbaik yaitu 16.2712.Kata Kunci: Susu Kambing, Optimasi, Artificial Neural Network (ANN), Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Kandungan Nutrisi Pakan.AbstractMilk is one of the animal protein sources which it contains all of the substances needed by human body. The main milk producer cattle in Indonesia is dairy cow, however its milk production has not fulfilled the society needs. The alternative is the goat, the Etawa crossbreed (PE). The high quality of milk nutrients content is greatly influenced by some factors one of them, is the food factor. The PE goat livestock division of the UPT Cattle Breeding and the Cattle Food Greenery in Singosari-Malang still faces the problem, it is the low ability in giving the food composition for PE goat. This flaw affects the quality of the produced milk. It needs the artificial science of the milk nutrients contains in order to determine the food composition to produce premium milk with the optimum nutrients contain. The writer uses the method of the Extreme Learning Machine (ELM) and the Particle Swarm Optimization (PSO) to make the modeling of goat food in optimizing the content of goat milk nutrients. In the analysis of the convergence that is done with the case of 32 kg goat weight, also the food type used is the 70 % Odot grass and 30% Raja grass that system get a stability on the 20th iteration with a fitness value is 16.2712.Keywords: Goat Milk, Optimization, Extreme Learning Machine (ELM), Particle Swarm Optimization (PSO), The Food Nutrients Contain.
Rekomendasi Solusi pada Computer Maintenance Management System Menggunakan Association Rule, Fisher Exact Test One Side P-value dan Double One Side P-Value Sukmana, Farid; Rozi, Fahrur
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 4: Desember 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (898.096 KB) | DOI: 10.25126/jtiik.201744368

Abstract

AbstrakPerkembangan pengambilan keputusan telah semakin cepat dan metode yang digunakan beragam. Sehingga perlu adanya pengambilan keputusan yang tidak hanya cepat tapi juga tepat. Salah satunya yaitu penerapan sistem pendukung keputusan pada Computer Maintenance Management System (CMMS). Penelitian ini melakukan uji data dengan menggunakan Association Rule, Fisher Exact One Side P-Value dan double one side p-value dalam satu permasalahan yang sama pada Computer Maintenance Management System (CMMS). Dengan tujuan mencari pola hubungan antara gejala dan akar permasalahan, untuk membuktikan adanya hubungan kedua variabel. Pada penelitian yang dilakukan sebelumnya (Sukmana, Bulaili) tentang Association Rule dan Pearson Chi-Square pada CMMS menunjukkan adanya beberapa rule yang tereliminasi karena adanya beberapa rule yang tidak masuk dalam kriteria untuk penerapan pada Chi-Square. Sehingga dalam penelitian ini bertujuan menggunakan metode Chi-Square lain dengan maksud membuktikan dan memperkuat adanya hubungan atau relasi antara gejala dan akar permasalahan dalam CMMS. Dan diharapkan pembuktian ini akan menunjukkan hasil lebih baik dalam hal hubungan antara gejala dan akar permasalahannya memiliki korelasi.Kata kunci: Association Rule, Fisher Exact TestAbstractDecision-making has been growth rapidly and many methods can used. Thus, how to apply that methode not only fast but also right. One of implementation decision making is decision support system in Computer Maintenance Management System (CMMS). This research using data test with Association Rule and Fisher Exact One Side P-Value from same problems in Computer Maintenance Management System (CMMS). Object from this research to get pattern of association between symptom and root cause, to prove relation those variable. Previous research (Sukmana, Bulaili) about Association Rule and Pearson Chi-Square in CMMS show some rule was elimanated from calculation, becaise that is rule out of way from criteria in Chi-Square. So this research has objective to use another methode to observe and get strength evidence about correlation between symptom and root cause in CMMS. And hope with this result of test can make strength hypothesis about relation between symptom and root cause.          Keywords: Association Rule, Fisher Exact Test

Page 8 of 129 | Total Record : 1288


Filter by Year

2014 2025


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