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
 85   86   87   88   89 
Jaringan Komunitas Berbasis Similaritas Topik Bahasan dan Emosi untuk Mengidentifikasi Perilaku Pengguna Twitter Apriantoni, Apriantoni; Purwitasari, Diana; Raharjo, Agus Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106317

Abstract

Pandemi COVID-19 menyebabkan situasi krisis yang berdampak pada perubahan perilaku pengguna Twitter terkait pengalaman distres publik. Perubahan perilaku positif bisa berdampak positif. Namun, perubahan perilaku negatif bisa menjadi masalah jika terjadi secara masif, seperti meningkatnya kecemasan pengguna. Oleh karena itu, mengeksplorasi hubungan antara perilaku dan jaringan komunitas pengguna sangat penting untuk menemukan implikasi pandemi COVID-19 terhadap perubahan perilaku pengguna Twitter. Penelitian ini berkontribusi dalam mengidentifikasi perubahan perilaku pengguna berdasarkan model ekstraksi perilaku kolektif pada aktivitas tweet temporal. Mekanisme ini menggunakan topik bahasan dan emosi sebagai variabel ekstraksi untuk menghasilkan jaringan perilaku pengguna. Kemudian, jaringan perilaku tersebut dimodelkan dengan algoritma DeepWalk Network Embeddings untuk memetakan hubungan kedekatan perilaku antar pengguna dan Density Peak Clustering Algorithm untuk mengelompokkan komunitas pengguna berdasarkan kesamaan perilaku yang kuat. Dari analisis 121 pengguna aktif, periode sebelum COVID-19 memiliki 98 pengguna representatif yang didominasi oleh 33% perilaku komunitas terkait aktivitas pribadi dengan emosi senang. Di sisi lain, periode setelah COVID-19 memiliki 54 pengguna representatif yang didominasi oleh 65% perilaku komunitas terkait kesehatan dengan emosi marah. Perubahan perilaku kedua periode tersebut dipengaruhi oleh transisi pola jaringan terdistribusi ke pola jaringan clique graph, sehingga sentralisasi penyebaran informasi mempengaruhi potensi peningkatan perubahan perilaku pengguna pada jaringan komunitas. Hasil ini dapat digunakan untuk mengurangi potensi penyebaran perilaku negatif dengan memanfaatkan komunitas yang memiliki pengaruh perilaku positif dikalangan pengguna Twitter. AbstractThe COVID-19 pandemic caused a crisis that impacted behavior changes of Twitter users related to public distress experiences. Positive behavior changes could have a positive impact. However, negative behavior changes could have problems if it occur massively, such as increased user anxiety. Therefore, exploring the relationship between behavior and user community in the social networks is very important to find the implication of the COVID-19 pandemic on behavior changes of Twitter users. This study contributes to identify user behavior changes based on the collective behavior extraction model on temporal tweet activities. This mechanism used discussion topics and emotions as extraction variables to generate user behavior network. Then, the behavioral network was modeled by the DeepWalk Network Embeddings algorithm to map the behavioral closeness relationship between users and the Density Peak Clustering Algorithm to group user communities with strong behavioral similarities. Based on the analysis of 121 active users, before the COVID-19 period had 98 representative users, who were dominated by 33% of community behavior related to personal activities with happy emotions. On the other hand, after the COVID-19 period, 54 representative users were dominated by 65% of community behavior related to health with anger. Behavior changes in both periods are influenced by the transition from a distributed network pattern to a clique graph network pattern, so the centralization of information dissemination could affect the potential for increasing user behavioral changes in the community network. These findings could be used to reduce the potential for spreading negative behavior by leveraging communities with positive behavior influence among Twitter users.
Analisis Kualitas Website HSP Academy (PT. Hanosen Pratama) Menggunakan Metode Webqual 4.0 dan Importance and Performance Analysis (IPA) Ikhsawiyanthi, Anisah; Wijoyo, Satrio Hadi; Mursityo, Yusi Tyroni
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023104858

Abstract

HSP Academy merupakan perusahaan lembaga training yang terletak di Tangerang dan bertujuan untuk membantu dalam mengembangkan sumber daya manusia. HSP Academy sudah terdaftar oleh badan sertifikasi baik nasional maupun internasional. HSP Academy memanfaatkan website perusahaan dalam menunjang pelayanan dan kebutuhan informasi pelanggannya. Untuk menciptakan layanan yang dapat memberikan nilai bagi pelanggan mereka dan juga sebagai pengelolaan jaminan mutu berdasarkan ISO 9001:2015, perlu dilakukan penilaian kualitas layanan website dengan menggunakan metode WebQual 4.0 dan IPA untuk meningkatkan dan mempertahankan kualitas layanan berdasarkan asumsi penggunanya. Metode WebQual 4.0 menilai dengan cakupan masalah Usability, Information Quality dan Service Interaction, metode ini menilai apakah kinerja website sudah sesuai dengan harapan penggunanya. Sedangkan metode IPA digunakan untuk melihat permasalahan mana yang harus dilakukan perbaikan berdasarkan prioritas pada kuadran IPA. Berdasarkan hasil penyebaran kuesioner kepada 118 responden yang merupakan pengguna dari website HSP Academy, hasil penelitian menunjukkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas utama yaitu tata letak informasi, pembaharuan informasi, informasi yang detail dan informasi yang akurat. Sedangkan terdapat 4 atribut pernyataan yang masuk kedalam prioritas rendah yaitu tampilan website, domain website, informasi dengan format bahasa serta penyampaian kritik dan saran terhadap website. Untuk atribut pernyataan lainnya tidak masuk kedalam prioritas perbaikan karena dinilai memiliki kinerja yang baik untuk dipertahankan. Rekomendasi perbaikan tampilan website pada prioritas utama dan prioritas rendah dibuat berdasarkan pedoman yang ada. AbstractHSP Academy is a training company located in Tangerang and aims to assist in developing human resources. HSP Academy has been registered by both national and international certification bodies. HSP Academy utilizes the company's website to support its customer service and information needs. To create services that can provide value for their customers and also as quality assurance management based on ISO 9001:2015, it is necessary to assess the quality of website services using WebQual 4.0 and IPA methods to improve and maintain service quality based on user assumptions. The WebQual 4.0 method assesses the coverage of Usability, Information Quality and Service Interaction problems. This method assesses whether the website's Performance is in accordance with the expectations of its users. Meanwhile, the IPA method is used to see which problems need improvement based on priority in the quadrant of IPA. Based on the results of distributing questionnaires to 118 respondents who are the users of the HSP Academy website, the results show that there are 4 attributes included in the high priority for improvement, those are information layout, updating of information, detailed information and accurate information. Meanwhile, there are 4 attributes included in low priority for improvement, those are website appearance, website domain, information in language format and the delivery of criticism and suggestions toward the website. The other attributes are not included in the priority for improvement because they are considered to have good Performance and sufficient enough to be maintained. Recommendations for the website’s interface are made based on the existing guidelines.
Akuisisi Bukti Digital Tiktok Berbasis Android Menggunakan Metode National Institute of Justice Anggraini, Fitri; Herman, Herman; Yudhana, Anton
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106416

Abstract

Seiring mudahnya menjangkau internet maka masyarakat sangat mudah menggunakan media sosial. Media sosial sangat berdampak positif bagi khalayak ramai seperti mudahnya dijangkau informasi dan mengakses perkembangan zaman, meskipun demikian tidak menutup kemungkinan media sosial dapat mendatangkan pengaruh negatif seperti tindak kejahatan cyberbullying, penipuan, ancaman, dan pencemaran nama baik. Aplikasi TikTok merupakan media sosial yang paling banyak diunduh menurut We Are Social dan Hootsuite pada Januari 2022 dan aplikasi TikTok rentan menyebabkan terjadinya kejahatan pencemaran nama baik, dan terjadinya ancaman. Penelitian ini bertujuan melakukan proses forensik untuk mendapatkan bukti-bukti pencemaran nama baik dan ancaman pada media sosial TikTok. Penelitian ini menggunakan framework dari National Institute of Justice (NIJ) dengan tahap identification, collection, examination, analysis, dan reporting. Tools yang digunakan dalam penelitian yaitu MOBILedit forensic Express. Proses forensik yang dilakukan berhasil mendapatkan data pada smartphone yang belum di-root hanya bisa mendapatkan informasi aplikasi TikTok, images, dan waktu kejadian dengan persantase tingkat keberhasilan 42,8%. Sedangkan pada smartphone yang sudah di-root didapatkan data berupa informasi aplikasi TikTok, nama akun, Messanges, image, waktu kejadian, dan video serta hastag tidak dapat ditemukan dengan persantase tingkat keberhasilan 85,7%. AbstractAs it is easy to reach the internet, it is very easy for people to use social media. Social media has a very positive impact on the general public such as easy access to information and access to the times, however it is possible that social media can have negative effects such as cyberbullying, fraud, threats, and defamation. The TikTok application is the most downloaded social media according to We Are Social and Hootsuite in January 2022 and the TikTok application is vulnerable to causing crimes of defamation, and threats. This study aims to conduct a forensic process to obtain evidence of defamation and threats on TikTok social media. This study uses a framework from the National Institute of Justice (NIJ) with the stages of identification, collection, examination, analysis, and reporting. The tools used in this research are MOBILedit Forensic Express. The forensic process that was carried out succeeded in obtaining data on a smartphone that had not been rooted, only being able to get information on the TikTok application, images, and the time of the incident with a success rate of 42.8%. Meanwhile, on a rooted smartphone, data in the form of TikTok application information, account names, messages, images, time of occurrence, and videos and hashtags could not be found with a success rate of 85.7%.
Otomatisasi Pembangkitan Pertanyaan untuk Bahasa Indonesia (Systematic Literature Review) Naufal, Mohammad Farid; Kusuma, Selvia Ferdiana
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106455

Abstract

Penelitian tentang otomatisasi pembangkitan pertanyaan terus berkembang. Berbagai metode telah coba diterapkan pada berbagai bahasa. Setiap bahasa memiliki karakteristik yang berbeda beda. Oleh karena itu, metode yang digunakan untuk membangkitkan pertanyaan juga harus disesuaikan dengan bahasa yang digunakan. Otomatisasi pembangkitan pertanyaan untuk bahasa Indonesia juga sudah mulai berkembang sejak 2015. Hasil penelitian-penelitian tersebut perlu dianalisis agar dapat mengetahui kelebihan maupun kekurangan dari setiap metode yang pernah digunakan. Oleh karena itu, jurnal ini membahas tentang Systematic Literature Review (SLR) pembangkitan pertanyaan pada bahasa Indonesia. SLR yang dibangun ini dapat digunakan untuk bahan pertimbangan optimalisasi penelitian tentang pembangkitan pertanyaan menggunakan bahasa Indonesia di kemudian hari. Tahapan yang dilakukan dalam pembentukan SLR adalah perencanaan literature review, kemudian melakukan literature review dan terakhir adalah pelaporan hasil literature review. Pencarian pada google scholar menghasilkan 27 penelitian yang relevan dengan kata kunci. Penerapan kriteria inklusi dan eksklusi menghasilkan 15 penelitian yang relevan. Kemudian proses backward dan forward snowballing yang dilakukan menghasilkan 2 penelitian tambahan. Total penelitian yang dianalisis berjumlah 17 penelitian. Proses selanjutnya adalah penilaian kualitas penelitian. Hasil penilaian kualitas penelitian menunjukkan bahwa keseluruhan penelitian yang berjumlah 17 penelitian tersebut memiliki kualitas yang baik untuk dianalisis. Hasil analisis yang dilakukan menunjukkan bahwa penelitian awal terkait pembangkitan pertanyaan untuk bahasa Indonesia masih memiliki beberapa celah. Diantaranya terkait dataset yang belum memadai, model pertanyaan yang kurang beragam, belum adanya penanganan/preproses model kalimat unstructured, dan belum adanya pembangkitan pertanyaan yang berasal dari gabungan beberapa informasi. AbstractResearch on automated question generation is constantly evolving. Various methods have been tried to be applied in various languages. Each language has different characteristics. Therefore, the method used to generate questions should be adapted based on the language. The automation of question generation for Indonesian has also begun to develop since 2015. The result of these studies need to be analyzed to find out the advantages and disadvantages of each method that has been used. Therefore, this journal discusses the Systematic Literature Review (SLR) for generating questions in Indonesian. The SLR that was built can be used for consideration of optimizing research on generating questions using Indonesian in the future. The steps taken in this SLR are planning analysis, then carrying out the analysis and finally reporting the analysis. A search on Google Scholar yielded 27 studies that were relevant to the keyword. The application of inclusion and exclusion criteria resulted in 15 relevant studies. Then the backward and forward snowballing processes carried out resulted in 2 additional studies. Total research analyzed amounted to 17 studies. The next process is the assessment of research quality. The results of the research quality assessment showed that the overall 17 studies had good quality for analysis. The results of the analysis carried out indicate that the initial research related to question generation for Indonesian still has some gaps. For examples about datasets, question models, handling unstructured sentence models, and generating questions from a combination of some information.
Pengaruh Faktor Emosional Pengguna Terhadap Kesesuaian User Interface pada Sistem Informasi Benih Induk Jeruk di Balitjestro Menggunakan Kansei Engineering Nurfauzi, Sobirin; Sulianto, Akhmad Adi; Sutan, Sandra Malin; Sugiyatno, Agus
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236173

Abstract

Dalam mendukung produktivitas benih berkualitas diperlukan suatu sistem informasi manajemen untuk mengontrol data yang keluar-masuk. Namun, desain tampilan antarmuka yang sering digunakan cenderung tidak sesuai dengan keinginan penggunanya secara emosional. Penelitian ini bertujuan untuk menentukan faktor-faktor yang mempengaruhi desain antarmuka pengguna pada sistem informasi benih induk jeruk menggunakan metode Kansei Engineering untuk menghasilkan tampilan antarmuka pengguna sesuai dengan keinginan pengguna secara psikologis. Tahapan penelitian ini terdiri dari dua tahapan, yaitu merancang sistem informasi manajemen benih jeruk dan merancang tiga contoh desain tampilan menggunakan kuesioner ke 34 konsumen yang tersebar di beberapa daerah di Indonesia (petani atau penangkar dan kantor dinas) dan 14 pegawai di Balitjestro kemudian dianalisis menggunakan statistik multivariat yaitu Coefficient Correlation Analysis, Cronbach’s Alpha, Principal Component Analysis dan Factor Analysis. Hasil pengujian nilai Cronbach’s Alpha dan Factor Analysis telah memenuhi syarat minilam >0,7 dengan nilai sebesar 0.981 dan 0,8 untuk emotion “Mewah”. Dan menghasilkan dua konsep desain yang direkomendasikan yaitu “Konsep Keindahan” dan Konsep Kreatifitas”. “Konsep Keindahan” yang terdiri dari emotion “Mewah”, “Passion”, dan “Fun”. Sedangkan “Konsep Kreatifitas” terdiri dari emotion “Modern”, “Alami” dan “Kreatif” Abstrak In supporting the productivity of quality seeds, a management information system is needed to control incoming and outgoing data. However, the interface design that is often used tends to be not in accordance with the emotional desires of its users. This study aims to determine the factors that influence the user interface design on the parent citrus seed information system using the Kansei Engineering method to produce a user interface display according to the user's psychological wishes. The stages of this research consisted of two stages, namely designing a citrus seed management information system and designing three examples of display designs using a questionnaire to 34 consumers spread across several regions in Indonesia (farmers or breeders and official offices) and 14 employees at Balitjestro then analyzed using statistics. multivariate, namely Coefficient Correlation Analysis, Cronbach's Alpha, Principal Component Analysis and Factor Analysis. The results of testing the value of Cronbach's Alpha and Factor Analysis have met the minimum requirements > 0.7 with a value of 0.981 and 0.8 for the “Fancy” emotion. And produce two recommended design concepts, namely the "Concept of Beauty" and the “Concept of Creativity ". “Beauty Concept” which consists of “Luxury”, “Passion”, and “Fun” emotions. While the "Concept of Creativity" consists of emotion "Modern", "Natural" and "Creative"
Komparasi Machine Learning Berbasis Pso Untuk Prediksi Tingkat Keberhasilan Belajar Berbasis E-Learning Saputra, Elin Panca; Nurajizah, Siti; Maulidah, Mawadatul; Hidayati, Nadiyah; Rahman, Taufik
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236469

Abstract

Perkembangan bidang teknologi memiliki aspek perkermbangan yang begitu cepat. penelitian kami memiliki tujuan untuk mentransmisikan sebuah pengetahuan tentang machine learning yang telah menjadi begitu popular digunakan hingga saat ini, pada penelitian ini bagaimana mendapatkan fitur seleksi atribut dan mendapatkan hasil prediksi dari pembelajaran pada Universitas atau lembaga Pendidikan yang menerapkan belajar dengan metode pembelajaran jarak jauh ataupun e-learning di era pandemic ini. Permasalahan pada penelitian ini yaitu jumlah atribut pada data dapat mengurangi akurasi, maka dari percobaan dengan beberapa algoritma pada machine learning kami mencoba menerapkan Particle Swarm Optimizatio(PSO) untuk meningkatkan akurasi yang lebih tinggi. Maka dari itu dapat disimpulkan penerapan menggunakan algoritma Naïve Bayes(NB) berbasis PSO mendapatkan hasil kenerja dengan bobot sebesar 94.40% dan angka AUC sebesar 94.50%, berikutnya Algoritma Support Vectore Machine(SVM) Berbasis PSO dengan hasil kinerja akurasi sebesar 88.20 dan nilai AUC seberar 91.10%, dan Artificial Neural Network(NN) berbasis Particle Swarm Optimizatio(PSO) menghasilkan skor hasil kinerja akurasi dengan bobot 99.20% dan nilai akurasi sebesar 98.50%, maka Artificial Neural Network(NN)  berbasis PSO memiliki keunggulan lebih besar dari pada algoritma naïve bayer berbasis PSO dan Support Vector Machine(SVM) dengan PSO. Sedangkan atribut yang mempunyai pengaruh menentukan dari algoritma tersebut pada tingkat akurasi adalah Practice Questions, Quizzes, Midterm exams, dan Final exams. terbukti dari penelitian-penelitian kami yang sebelumnya maka algoritma neural network berbasis PSO memang memiliki keunggulan yang begitu baik. Karena ANN merupakan metode yang memiliki perhitungan yang membangun beberapa unit pada saat pemrosesan berdasarkan koneksitas yang saling berhubungan, metode ANN dengan akurasi prediksi dapat menjadi sebuah alat yang efisien dan baik untuk penelitian estimasi dan klasifikasi dalam bidang pendidikan. Abstract The development of the field of technology has a very fast development aspect. our research has the aim of transmitting knowledge about machine learning which has become so popularly used until now, in this study how to get attribute selection features and get predictive results from learning at universities or educational institutions that apply learning by distance learning methods or e-learning. -Learning in this pandemic era. The problem in this study is that the number of attributes in the data can reduce accuracy, so from experiments with several yahoos on machine learning, we tried to apply Particle Swarm Optimizatio (PSO) to increase higher accuracy. Then the application key using the PSO-based Naïve Bayes (NB) algorithm can get performance results with a weight of 94.40% and an-AUC number of 94.50%, then the PSO-based Support Vectore Machine (SVM) Algorithm with a performance result of 88.20 and an AUC value of 91.10%, and Artificial Neural Network-(NN) based on Particle Swarm Optimizatio (PSO) produces an accuracy performance score with a weight of 99.20% and an accuracy value of 98.50%. Support Vector Machine (SVM) with PSO. While the attributes that have an influence to determine the algorithm on the level of accuracy are Practice Questions, Quizzes, Mid-Semester Exams, and Final Exams. it is evident from our previous studies that the PSO-based neural network algorithm does have a very good advantage. based on ANN is a method that has calculations that build several units of interconnected connectivity, the ANN method with predictive accuracy can be an efficient and good tool for forecasting and classification research in the field of education.
Implementasi Algoritma Random Forest Untuk Menentukan Penerima Bantuan Raskin Kurniawan, Ilham; Buani, Duwi Cahya Putri; Abdussomad, Abdussomad; Apriliah, Widya; Saputra, Rizal Amegia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236225

Abstract

Kemiskinan adalah salah satu perhatian mendasar dari setiap pemerintah. Program Beras Keluarga Miskin (Raskin) merupakan  salah satu program pemerintah. Skema raskin mempunyai tujuan meminimalisir beban rumah tangga tidak mampu sebagai bentuk bantuan untuk menaikkan ketahanan pangan melalui perlindungan sosial. Tujuan penelitian ini adalah menemukan akurasi tertinggi di antara algoritma klasifikasi prediktif yang diusulkan penerima bantuan raskin menggunakan tools python machine learning dan di implementasikan melalui suatu website. Klasifikasi adalah metode penambangan data yang menentukan kategori pada kelompok data untuk mendukung prediksi dan analisa yang semakin akurat. Beberapa algoritma klasifikasi pembelajaran mesin seperti, SVM, NB dan RF, digunakan pada penelitian ini demi menentukan penerima bantuan raskin. Eksperimen dilakukan menggunakan dataset Raskin Kelurahan Gunungparang, Kota Sukabumi yang bersumber dari Kelurahan Gunungparang. Kinerja algoritma klasifikasi dievaluasi dengan beragam metrik seperti Precision, Accuracy, F-Measure, dan Recall. Akurasi diukur melalui contoh yang dikelompokan dengan benar atau salah. Hasil yang diperoleh menunjukkan algoritma klasifikasi RF memiliki nilai precision, recall, f-measure dengan nilai 97%, nilai accuracy sebesar  97,26% dan nilai ROC 0,970, lebih baik dari algoritma klasifikasi lainnya yaitu perbedaan sebesar 5,11% dengan algoritma klasifikasi support vector machine dan 8,87% dengan algoritma klasifikasi naive bayes. Akurasi sangat baik digunakan sebagai acuan kinerja algoritma apabila jumlah False Negative dan False Positive jumlah nya mendekati. Hasil penelitian ini dibuktikan secara akurat dan sistematis menggunakan Receiver Operating Characteristic (ROC). Abstract The problem of poverty is one of the fundamental concerns of every government. The Raskin  program is one of the government's programs. The Raskin scheme has the aim of minimizing the burden on poor households in the form of assistance to improve food security by providing social protection. The purpose of this study is to find the highest accuracy among the predictive classification algorithms proposed by Raskin beneficiaries using python machine learning tools and implemented through a website. Classification is a data mining method that determines categories in data groups to support more accurate predictions and analysis. Therefore, three machine learning classification algorithms such as, support vector machine, naive bayes and random forest, were used in this experiment. to determine recipients of Raskin assistance. The experiment was carried out using the Raskin dataset, Gunungparang Village, Sukabumi City, which was sourced from Gunungparang Village. The performance of the classification algorithm is evaluated by various metrics such as Precision, Accuracy, F-Measure, and Recall. Accuracy is measured by correctly and incorrectly grouped samples. The results obtained show that the random forest classification algorithm has precision, recall, f-measure values with a value of 97%, an accuracy value of 97.26% and an ROC value of 0.970, better than other classification algorithms, namely the difference of 5.11% with the support vector classification algorithm. machine and 8.87% with naive bayes classification algorithm. Very good accuracy is used as a reference for algorithm performance if the number of False Negatives and False Positives is close. These results were proven accurately and systematically using Receiver Operating Characteristics (ROC).
Analisis Asosiasi Untuk Menemukan Pola Pada Terapi Obat Pasien Dengan Menggunakan Metode Apriori Sri Mulyani, Evi Dewi; Mufizar, Teuku; Sarmidi, Sarmidi; Hidayat, Cepi Rahmat; Anwar, Dede Syahrul; Chaeruddin, Rofi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236051

Abstract

Pemantauan Terapi Obat (PTO) merupakan suatu proses yang didalamnya mencakup proses kegiatan untuk memastikan terapi obat bagi pasien secara aman, efektif dan rasional. Dataset diperoleh dari Klinik Nabila yang berisi tentang pelayanan kesehatan seperti pemeriksaan kondisi pasien, pemberian tindakan, dan pemberian obat sesuai resep dokter. Pada umumnya ditemukan kencenderungan bahwa setiap penyakit akan diberikan terapi obat yang berbeda, sesuai dengan gejala yang ditimbulkannya. Terapi obat yang berbeda diberikan untuk penyakit yang memiliki gejala yang berbeda, akan tetapi satu terapi obat yang sama dapat diberikan kepada penyakit yang berbeda dengan memiliki gejala yang sama. Berdasarkan hal tersebut dilakukanlah sebuah analisis menggunakan metode Assosiasi dalam mencari hubungan dalam data terapi obat dengan menggunakan algoritma Apriori, algoritma ini bekerja dengan cara mempelajari aturan asosiasi, yaitu dengan mencari hubungan antara satu atau lebih dalam sebuah itemset. Penelitian ini menghasilkan 7 aturan asosiasi terapi obat berdasarkan mininum support dan minimum confidence. Dengan nilai asosiasi tertinggi yaitu dengan nilai confidence 59% yaitu terapi obat meloxicam 7,5mg, Ranitidine yang sudah melebihi kriteria minimum nilai confidence yaitu lebih dari 20%. Dan untuk nilai support tertinggi yaitu dengan nilai support 4% yaitu terapi obat  Grafaclor -> Ranitidine. Nilai tersebut sudah melebihi kriteria minimum nilai support 3%. Dalam penelitian ini juga dibangun aplikasi yang mengimplementasikan algoritma apriori untuk membantu dokter maupun apoteker dalam mengetahui pola terapi obat dengan bahasa pemrograman PHP dan database MySql. Abstract Drug Therapy Monitoring (PTO) is a process that includes a process of activities to ensure drug therapy for patients is safe, effective and rational. The dataset was obtained from the Nabila Clinic which contains health services such as checking the patient's condition, giving actions, and administering drugs according to doctor's prescriptions. In general, there is a tendency that each disease will be given different drug therapy, according to the symptoms it causes. Different drug therapies are given for diseases that have different symptoms, but the same drug therapy can be given to different diseases with the same symptoms. Based on this, an analysis was carried out using the Association method in finding relationships in drug therapy data using the Apriori algorithm, this algorithm works by studying association rules, namely by looking for relationships between one or more in an itemset. This study resulted in 7 association rules for drug therapy based on minimum support and minimum confidence. With the highest association value, namely with a confidence value of 59%, namely drug therapy meloxicam 7.5 mg, Ranitidine which has exceeded the minimum criteria for a confidence value of more than 20%. And for the highest support value, namely with a support value of 4%, namely drug therapy Grafaclor -> Ranitidine. This value has exceeded the minimum criteria for the support value of 3%. In this study, an application that implements the a priori algorithm was also built to assist doctors and pharmacists in knowing the pattern of drug therapy using the PHP programming language and MySql database.
Identifikasi Tanaman Obat Indonesia Melalui Citra Daun Menggunakan Metode Convolutional Neural Network (CNN) Setiyono, Budi; Arif, Muhammad Riv’an; Aini, Qonita Qurratu; Soegianto, Theophil Henry; Ohanna, Jasti; Gunawan, Ricky Andrean Fernanda; Rizkia, Ayu Putri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236809

Abstract

Indonesia memiliki sumber daya alam yang melimpah, salah satunya adalah berbagai jenis tanaman. Masyarakat Indonesia telah menggunakan tanaman sebagai obat tradisional sejak jaman dahulu. Pada saat ini, tingkat pengetahuan manusia dalam mengenali jenis tanaman obat semakin menurun, karena keterbatasan memori yang dimiliki oleh manusia. Varietas tanaman obat yang sangat banyak dan beragam menyebabkan masyarakat sulit mengidentifikasi jenis tanaman obat indonesia. Penulis mengidentifikasi jenis tanaman herbal serta khasiatnya, khususnya untuk tanaman herbal yang ada di Indonesia. Metode Convolutional Neural Network (CNN) digunakan pada proses pengenalan tanaman herbal tersebut, karena metode ini cukup handal untuk pengenalan objek. Penulis menggunakan data citra daun sebagai data set yang diperoleh dari Mendeley Data. Penulis juga menggunakan data primer berupa data daun tanaman herbal yang diperoleh dari kampung herbal Surabaya. Tahap pertama adalah melakukan anotasi, melabeli serta menyamakan dimensi terhadap citra yang belum sama.  Tahap kedua penulis melakukan pre-training untuk mendapatkan bobot yang akan digunakan sebagai input pada proses transfer learning menggunakan EfficientNetV2 sebagai model dasar. Langkah terakhir adalah melakukan validasi menggunakan data uji. Penelitian ini menunjukkan bahwa, CNN berhasil digunakan untuk mengidentifikasi tanaman herbal. Pengujian menggunakan confusion matrix terhadap data set yang digunakan pada penelitian ini memperoleh nilai akurasi rata-rata 98%. Abstract Indonesia has abundant natural resources, one of which is various types of plants. Indonesian people have used plants as traditional medicine since ancient times. At this time, human knowledge in recognizing the types of medicinal plants is decreasing due to humans' limited memory. The wide and varied varieties of medicinal plants make it difficult for the public to identify the types of Indonesian medicinal plants. In this study, the authors identified the types of herbal plants and their properties, especially for herbal plants in Indonesia. The Convolutional Neural Network (CNN) method is used in identifying these herbal plants because this method is quite reliable for object recognition. The author uses leaf image data as a data set obtained from Mendeley Data. In addition, the authors also use primary data on herbal plant leaves obtained from the Surabaya herbal village. The first stage is to annotate, label, and equate the dimensions of the images that still need to be the same. In the second stage, the authors conducted pretraining to obtain weights that would be used as input in the transfer learning process using EfficientNetV2 as the basic model. The final step is to validate using test data. This study shows that CNN is successfully used to identify herbal plants Testing using the confusion matrix method for the data set used in this study obtained an average accuracy value of 98%.
Analisis Performa Algoritma Machine Learning pada Perangkat Embedded ATmega328P Firdaus, Jeffry Atur; Budi, Agung Setia; Setiawan, Eko
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 2: April 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20236196

Abstract

Artificial intelligence (AI) merupakan sistem kompleks yang meniru kecerdasan manusia untuk melakukan tugas dan dapat mengembangkan kecerdasannya menggunakan informasi yang mereka kumpulkan. Machine learning yang merupakan bagian dari AI, sering ditemui pada perangkat embedded. Beberapa algoritma machine learning yang banyak dikembangkan pada perangkat embedded adalah K-Nearest Neighbor, Naive Bayes dan SEFR. Pada tahun 2019, evaluasi pasar embedded system mencapai $100 miliar dan akan diprediksi jumlahnya terus meningkat sebesar enam persen setiap tahunnya. Salah satu perangkat embedded open source yang sering ditemui di pasaran adalah Arduino Nano berbasis ATmega328P. Namun tidak seperti komputer, embedded system memiliki sumber daya yang terbatas. Dalam mengembangkan sistem pada perangkat embedded perlu diperhatikan faktor seperti waktu komputasi, daya yang diperlukan dan penggunaan memori. Penelitian ini mengkaji tiga algoritma tersebut untuk mencari algoritma yang paling sesuai di perangkat embedded. Penelitian ini menemukan bahwa dalam melakukan klasifikasi tiga dataset, algoritma K-Nearest Neighbor mendapatkan akurasi paling baik dan paling konsisten hingga 93.3% akurat. Penggunaan sumber daya SRAM paling sedikit didapatkan pada algoritma Naive Bayes dengan rata-rata 764 Bytes. Waktu komputasi paling cepat didapatkan oleh algoritma SEFR dengan waktu yang dibutuhkan untuk melakukan klasifikasi dataset dalam waktu rata-rata 1.16 mili sekon dan konsumsi daya 0.1 mili joule. AbstractArtificial intelligence (AI) is a complex system that imitates human intelligence to perform tasks and can develop their intelligence using the information they collect. Machine learning, which is part of AI, is often encountered in embedded devices. Several machine learning algorithms that have been developed on embedded devices are K-Nearest Neighbor, Naive Bayes and SEFR. In 2019, the evaluation of the embedded systems market reached $100 billion and is predicted to continue to increase by six percent annually. One of the open source embedded devices that is often found in the market is the Arduino Nano based on the ATmega328P. However, unlike computers, embedded systems have limited resources. In developing systems on embedded devices, factors such as computing time, required power and memory usage must be considered. This study examines these three algorithms to find the most suitable for the embedded device. This study found that in classifying three datasets, the K-Nearest Neighbor algorithm got the best and most consistent accuracy up to 93.3% accurate. The least use of SRAM resources is found in the Naive Bayes algorithm with an average of 764 Bytes. The fastest computation time is obtained by the SEFR algorithm with the time required to classify the dataset in an average time of 1.16 milliseconds and a power consumption of 0.1 milli joules.

Page 87 of 129 | Total Record : 1288

 85   86   87   88   89 

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