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
 86   87   88   89   90 
Pemilihan Susu Formula Anak Menggunakan Metode Analytic Hierarchy Process dan Simple Additive Weighting Setyadi, Heribertus Ary; Fauzi, Ahmad; Nurohim, Galih S; Perbawa, Doddy Satrya
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.20236524

Abstract

Banyaknya merek susu formula yang beredar di pasaran membuat konsumen merasa kebingungan memilih produk yang cocok dan baik untuk dikonsumsi. Maraknya berbagai merek susu formula juga menjadikan dilema para ibu karena semakin banyak pilihan merek susu semakin beragam harga dan kandungan gizinya dan semakin susah memutuskan produk yang akan dipilih untuk mencukupi asupan gizi bagi anaknya. Tujuan penelitian ini adalah menghasilkan sistem pendukung keputusan yang dapat memberikan rekomendasi pemilihan susu formula anak sesuai dengan prioritas kepentingan atau kebutuhan yang diinginkan. Dari kriteria yang ditemukan dalam tahap observasi kemudian diproses ke dalam metode Analytic Hierarchy Process (AHP) untuk memasukkan rasio kepentingan masing-masing kriteria. Kriteria yang digunakan dalam penelitian ini dibagi menjadi 3 kriteria besar yaitu kandungan gizi, rasa dan harga. Sub kriteria kandungan nutrisi antara lain AA dan DHA, Laktoferin/Betakaroten, Prebiotik dan probiotik, Protein, Omega 3 dan omega 6, Lemak, Energi, Vitamin. Sub kriteria rasa terdiri dari vanilla, chocolate, honey, strawberry, plain. Nilai bobot setiap kriteria dari proses AHP dijadikan input dalam perhitungan metode Simple Additive Weighting (SAW) untuk menghasilkan rekomendasi dari pilihan susu yang telah dimasukkan sebelumnya. Dalam penelitian ini alternatif yang berupa merek susu dapat ditambah, dirubah dan dihapus sehingga bersifat dinamis. Kriteria dalam penelitian ini dibagi menjadi sub kriteria yang lebih detail. Dari hasil akhir sistem yang melalui proses dua metode, referensi merek susu yang direkomendasi yaitu susu formula merek Cill School yang memiliki nilai akhir 0,828. Abstract The proliferation brands of formula milk circulating in the market make consumers feel confused in choosing a product that is suitable and good for consumption. Many brands of formula milk also pose a dilemma for mothers, because the more milk’s brands, more varied price and nutritional content more difficult for mothers to decide which product to choose to provide nutritional intake for their children. This research’s purpose  is to produce a decision support system that can provide recommendations selection formula milk for children according to the priority interests or needs desired. From the criterias found in the observation stage then processed into the Analytic Hierarchy Process (AHP) method to enter ratio of importance of each criterion. The criteria used in this study are divided into 3 major criteria, they are nutritional content, taste and price. Sub-criteria for nutritional content include AA and DHA, Lactoferrin/Betacarotene, Prebiotics and probiotics, Protein, Omega 3 and omega 6, Fat, Energy, Vitamins. Taste sub criteria consist of Vanilla, Chocolate, Honey, Strawberry, Plain. Weight value of each criterias from AHP process is used as input in the calculation of Simple Additive Weighting (SAW) method to produce recommendations from milk choices that have been entered before. In this research, alternatives of milk brands can be added, changed and deleted so it’s dynamic. Criterias in this research are divided into more detailed sub-criteria. From the final result of this system, a reference for the milk brand recommended by the system that is Chil School formula milk which has a final score of 0.828
Klasifikasi Masyarakat Penerima Bantuan Langsung Tunai Dana Desa Menggunakan Naïve Bayes dan SMOTE Kurniadi, Dede; Nuraeni, Fitri; Firmansyah, Marshal
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.20236453

Abstract

Pemerintah menyelenggarakan program Bantuan Langsung Tunai Dana Desa (BLT DD), program ini memberikan (subsidi) kepada keluarga miskin yang memenuhi syarat. Program ini dapat membantu mengurangi beban pengeluaran serta meningkatkan pendapatan keluarga miskin. Masyarakat yang berhak menerima BLT DD terkadang melebihi kuota yang tersedia, kemudian proses penentuan penerima dilakukan secara musyawarah. Hasil penetapan tersebut terkadang menimbulkan kecemburuan sosial di masyarakat, sehingga diperlukan klasifikasi yang dapat membantu menentukan keluarga yang layak menerima program bantuan ini. Penelitian ini bertujuan untuk menerapkan metode Naïve Bayes untuk mengklasifikasikan data keluarga layak dan tidak layak menerima BLT DD karena masih banyak keluarga miskin berpenghasilan rendah lainnya yang belum berkesempatan untuk memperoleh program bantuan ini. Metode penelitian yang digunakan yaitu Cross-Industry Standard Process For Data Mining (CRISP-DM). Data yang digunakan merupakan data penerima BLT DD tahun 2021 dan 2022 di Desa Kersamenak dengan jumlah data yang digunakan sebanyak 375, meliputi class layak 205 record dan tidak layak 170 record. Data yang terkumpul menunjukkan adanya ketidakseimbangan kelas pada jumlah masyarakat yang layak dan tidak layak, sehingga diperlukan teknik Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani kelas yang tidak seimbang pada data. Hasil pemodelan Naïve Bayes menggunakan teknik SMOTE menghasilkan model performansi terbaik dengan nilai akurasi 97,80% dan nilai AUC 0,99 yang termasuk dalam kategori Excellent Classification. Berdasarkan hasil model kinerja klasifikasi yang diperoleh, model yang dihasilkan dapat diimplementasikan ke dalam sistem aplikasi pendukung keputusan untuk membantu Desa dalam menentukan penerima BLT DD agar lebih cepat dan mudah. Abstract The government organizes the Bantuan Langsung Tunai Dana Desa (BLT DD) program, which provides (subsidies) to low-income families who meet the requirements. This program can help reduce the burden of spending and increase the income of low-income families. Communities who deserve to receive BLT DD sometimes exceed the available quota, then the process of determining the recipient is carried out utilizing deliberation. The results of these determinations sometimes cause social jealousy in the community, so a classification is needed that can help determine eligible families to receive this assistance program. This study aims to apply the Naïve Bayes method to classify family data as eligible and not eligible to receive BLT DD because there are still many other low-income families who have not had the opportunity to acquire this assistance program. The research method used is Cross-Industry Standard Process for Data Mining (CRISP-DM). The data used is the data of the 2021 and 2022 Village Fund Direct Cash Aid recipients in Kersamenak Village, with the amount of data used as much as 375, including 205 eligible class records and 170 inappropriate records. The data collected shows an imbalanced class in the number of eligible and ineligible people, and it is necessary to use the Synthetic Minority Over-sampling Technique (SMOTE) technique to handle the imbalanced class in the data. The results of modeling the Naïve Bayes using SMOTE technique produce the best performance model with an accuracy value of 97.80% and an AUC value of 0.99, which is included in the Excellent Classification category. Based on the results of the classification performance model obtained, we can implement the resulting model into a decision support application system to assist the Village in determining the recipient of the BLT DD to make it faster and easier.
Identifikasi Gagal Ginjal Kronis dengan Mengimplementasikan Metode Support Vector Machine beserta K-Nearest Neighbour (SVM-KNN) Akbar, Alvin Tarisa; Yudistira, Novanto; Ridok, Achmad
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.20236059

Abstract

Ginjal merupakan bagian vital bagi manusia karena berfungsi untuk menyaring atau membersihkan cairan yang kita minum agar dapat dikonsumsi oleh tumbuh secara normal. Gagal ginjal adalah situasi dimana ginjal mengalami penurunan funsionalnya secara terus-menerus yang mana dapat mengakibatkan ketidakmampuan ginjal untuk berfungsi untuk semestinya. Untuk membantu pasien yang terjangkit penyakit gagal ginjal kronis hal yang terlebih dahulu dilakukan adalah mengindentifikasi penyakit tersebut. Indentifikasi gagal ginjal kronis dengan menggunakan dataset yang dibuat oleh L.Jerlin Rubini dkk. sudah dilakukan dengan berbagai metode klasifikasi, contohnya adalah implementasi metode klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbour (KNN). Salah satu kelemahan dari SVM adalah bila data terlalu dekat dengan hyperplane adanya potensi untuk salah mengklasifikasi. Lalu salah satu kelemahan dari KNN adalah berpotensi mengalami penuruan akurasi bila nilai k terlalu tinggi atau terlalu rendah yang mana masing-masing mengakibatkan banyaknya noise data atau terlalu kecil data yang digunakan sebagai pembanding. Untuk penelitian ini, kami mengimplementasikan penggabungan metode SVM dengan KNN yang dikenal dengan SVM-KNN yang menggunakan optimasi Simplified Sequential Minimal Optimization (Simplified SMO). Metode ini mencoba untuk menutupi kelemahan dari SVM dan KNN. Penelitian ini melakukan percobaan pada beberapa nilai parameter yang digunakan untuk mendapatkan akurasi pada metode klasifikasi SVM-KNN terbaik.  Parameter yang diuji adalah cost, tolerance, gamma, dan bias pada metode SVM, parameter k pada metode KNN, serta parameter miu pada metode SVM-KNN. Nilai rata-rata akurasi terbaik didapatkan dengan menggunakan SVM-KNN dengan nilai 94,25% dan terbukti lebih baik dari pada SVM dengan 94,09% dan KNN dengan 91,73%. AbstractKidneys are a vital part for humans because they function to filter or clean the fluids we ingest so that they can be consumed safely. Kidney failure is a situation where the kidneys experience a continuous decline in function which can result in the inability of the kidneys to function properly. To help patients with chronic kidney failure, the first thing to do is to identify the disease. Identification of chronic kidney failure using the dataset created by L.Jerlin Rubini et. al. had been tested with various classification methods, for example the implementation of the Support Vector Machine (SVM) and K-Nearest Neighbor (KNN). One of the weaknesses of SVM is that if the data is too close to the hyperplane there is the potential for misclassification. Then one of the weaknesses of KNN is that it has the potential to experience a decrease in accuracy if the value of k is too high or too low which results in a lot of noise data or too little data used as a comparison respectively. For this research, we implemented a hybrid of SVM with KNN known as SVM-KNN which was optimized using Simplified Sequential Minimal Optimization (Simplified SMO). This study conducted experiments on several parameter values used to obtain the best accuracy in SVM-KNN. The parameters tested are cost, tolerance, gamma, bias on SVM, parameter k on KNN, and miu on SVM-KNN. The average value of accuracy was obtained using SVM-KNN with 94.25% and proved better than SVM with 94.09% and KNN with 91.73%.
Strategi Penanganan Imbalance Class Pada Model Klasifikasi Penerima Kartu Indonesia Pintar Kuliah Berbasis Neural Network Menggunakan Kombinasi SMOTE dan ENN Darojah, Zaqiatud; Susetyoko, Ronny; Ramadijanti, Nana
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.20236480

Abstract

Keterbatasan kuota penerima program Kartu Indonesia Pintar Kuliah (KIP Kuliah) dari pemerintah mengharuskan Perguruan Tinggi (PT) menyeleksi dengan cermat calon mahasiswa yang berhak menerima program tersebut. Pembentukan model klasifikasi penerima program KIP Kuliah merupakan salah satu cara yang dapat membantu PT dalam menyeleksi calon mahasiswa agar tepat sasaran berdasarkan data lampau. Penelitian ini bertujuan untuk membentuk model klasifikasi penerima KIP Kuliah menggunakan Neural Network (NN).  Strategi data processing level digunakan untuk mengatasi ketidakseimbangan data atau imbalance class yang terjadi antara kelas penerima KIP Kuliah sebagai kelas minoritas dan kelas bukan penerima KIP Kuliah sebagai kelas mayoritas. Teknik yang digunakan pada penelitian ini adalah mengkombinaskan metode oversampling Syntetic Minority Oversampling Technique (SMOTE), metode undersampling Edited Nearest Neighbor Rule (ENN),  dan metode undersampling dengan penghapusan langsung pada sampel terpilih. Skema penggabungan dilakukan dengan cara mengelompokkan terlebih dahulu kelas mayoritas menjadi beberapa sub kelas (cluster) menggunakan algoritma k-means. Metode SMOTE dan ENN diterapkan secara bersamaan menggunakan rasio sampling tertentu pada dataset yang berasal dari kelas minoritas dan sub kelas mayoritas yang merupakan tetangga terdekat kelas minoritas tersebut. Metode penghapusan sampel diterapkan pada sub kelas mayoritas yang memiliki jarak yang sangat signifikan dari kelas minoritas. Tujuan dari skema yang diajukan adalah untuk meminimalkan terjadinya pembangkitan false sample pada kelas minoritas dan penghapusan sampel informatif pada kelas mayoritas. Hasil simulasi menunjukkan bahwa kombinasi teknik undersampling dan oversampling dengan skema yang diusulkan mampu meningkatkan kinerja model klasifikasi NN secara signifikan. Model klasifikasi terbaik menghasilkan  nilai accuracy sebesar 93.45%,  TPR sebesar 90,00%, TNR sebesar 93.67%, G-Mean sebesar 91,51%, dan nMCC sebesar 81.25%.  Abstract  The limited quota for recipients of the Kartu Indonesia Pintar Kuliah (KIP Kuliah) program requires the university to select carefully the students who are entitled to receive the program. This study aims to build the classification model for KIP Kuliah recipients using Neural Network (NN) which can be utilized by universities in selecting prospective KIP Kuliah recipients students. To solve the imbalanced KIP Kuliah recipients data, we propose a hybrid sampling technique that combines the Synthetic Minority Over-Sampling Technique (SMOTE) and the Edited Nearest Neighbor (ENN) and also samples selected deletion method with a new scheme. Firstly, the majority class is clustered into several sub-classes using the k-means algorithm.  The SMOTE and ENN methods are applied simultaneously on a dataset derived from a minority class and a majority sub-class that is the nearest neighbor of the minority class with a certain sampling ratio. Furthermore, the sample-selected deletion method is applied to the majority sub-classes that have a very significant distance from the minority class. Lastly, The resampling results of the proposed scheme are combined into one training dataset in ANN. The objective of the proposed scheme is to minimize the generation of ‘false samples’ in the minority class and the elimination of informative samples in the majority class. The results show that the proposed scheme can significantly improve the performance of the NN classification model. The best classification model produces an accuracy value of 93.45%, TPR of 90.00%, TNR of 93.67%, G-Mean of 91.51%, and MCC of 81.25%.
Analisis Seleksi Atribut Dalam Memprediksi Kegagalan Skripsi Mahasiswa Menggunakan Algoritme Naïve Bayes pada Jurusan Sistem Informasi Universitas Brawijaya Wijoyo, Satrio Hadi; Wicaksono, Satrio Agung; Herlambang, Admaja Dwi
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.20236426

Abstract

Data mining dapat diterapkan pada bidang lembaga atau institusi Pendidikan dan sering disebut juga dengan Educational Data Mining (EDM) yaitu sebuah pengembangan metode dalam mengeksplorasi jenis tipe data pendidikan yang bersifat unik yang bertujuan untuk mempelajari dalam memahami kinerja siswa dan pengaturan lingkungan di tempat siswa belajar. Data mining juga dapat dimanfaatkan untuk analisa seleksi atribut untuk prediksi kegagalan belajar mahasiswa pada perkuliahan. Salah satunya kegagalan dalam menyelesaikan skripsi dengan menggunakan algoritme naïve bayes. Tahapan penelitian ini dimulai dari pengumpulan data, preproses data, implementasi algoritme naïve bayes, pengujian, dan analisa hasil. Data yang digunakan sebanyak 500 data untuk mahasiswa angkatan 2012-2015 dengan 24 atribut. Akurasi tertinggi yaitu algoritme naive bayes dengan menggunakan data latih yang menunjukkan hasil 412 prediksi benar dengan akurasi sebesar 82.4% dan 88 prediksi salah dengan presentasi sebesar 17.6%. Sedangkan hasil seleksi atribut yang telah dilakukan terdapat Lama P2 merupakan atribut dengan rankinging teratas yang mempengaruhi hasil klasifikasi. Abstract Data mining can be applied to the field of educational institutions or institutions and is often referred to as Educational Data Mining (EDM), which is a method development in exploring unique types of educational data types that aim to study in understanding student performance and environmental settings in which students learn. Data mining can also be used to analyze attribute selection for predicting student learning failure in lectures. One of them is the failure in completing the thesis using the naïve Bayes algorithm. The stages of this research started from data collection, data preprocessing, implementation of the Naïve Bayes algorithm, testing, and analysis of the results. The data used is as much as 500 data for students class 2012-2015 with 24 attributes. The highest accuracy is the Naive Bayes algorithm using data training which shows the results of 412 correct predictions with an accuracy of 82.4% and 88 false predictions with a presentation of 17.6%. Meanwhile, the result of attribute selection that has been carried out is that the Old P2 is the attribute with the top ranking that affects the classification results.
Analisis dan Perbaikan Proses Bisnis Sistem Terintegrasi Pembayaran Uang Kuliah dengan Metode Business Process Improvement (BPI) pada Universitas X Dewi, Ni Wayan Emmy Rosiana; Nirmala, Putu Yogie Ayu; Putra, I Made Suwija; Sudana, A.A. Kompiang Oka
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.20235770

Abstract

Selama beberapa tahun terakhir, peran teknologi semakin berkembang pesat. Penerapan Sistem Terintegrasi Pembayaran Uang Kuliah telah membantu pengelolaan kampus yang terintegrasi. Namun, pada penerapan Sistem Terintegrasi Pembayaran Uang Kuliah ditemukan beberapa proses yang tidak sesuai dengan harapan. Hal ini disebabkan karena beberapa proses bisnis belum memiliki tujuan untuk mengefektifkan, mengefisienkan, serta mudah diadaptasikan dengan proses-proses lain dalam sistem. Perlu adanya perbaikan sistem serta proses bisnis yang menghasilkan proses bisnis rekomendasi untuk menyelesaikan masalah tersebut. Sebuah metode evaluasi diperlukan dalam analisa pemodelan proses bisnis pada suatu organisasi untuk membantu proses perbaikan pada organisasi tersebut. Business Process Improvement (BPI) merupakan salah satu metode yang diterapkan untuk melaksanakan Continuous Improvement. BPI dapat diartikan sebagai kerangka sistematis yang memiliki tujuan untuk membantu mewujudkan kemajuan yang signifikan dalam berjalannya proses bisnis pada suatu organisasi. Penerapan Metode BPI dalam dalam menganalisa proses bisnis menghasilkan proses bisnis kritis, yaitu Proses Bisnis Manajemen Laporan. Penelitian ini menghasilkan rekomendasi proses bisnis dengan waktu rata-rata untuk menjalankan proses yang lebih singkat dibandingkan proses bisnis saat dan sesuai dengan kebutuhan pengguna. Penerapan rekomendasi proses bisnis tersebut diharapkan dapat menjadikan kinerja Sistem Terintegrasi Pembayaran Uang Kuliah lebih optimal dan efektif.Abstract Over the past few years, the role of technology has grown rapidly. The implementation of the Integrated Tuition Payment System has helped the integrated campus management. However, in the implementation of the Integrated Tuition Payment System, several processes were found that were not as expected. This is because some business processes do not yet have a goal to make it more effective, efficient, and easily adapted to other processes in the system. It is necessary to improve systems and business processes that produce business process recommendations to solve these problems. An evaluation method is needed in the analysis of business process modeling in an organization to assist the improvement process in the organization. Business Process Improvement (BPI) is one of the methods applied to implement Continuous Improvement. BPI can be interpreted as a systematic framework that has the aim of helping to realize significant progress in the running of business processes in an organization. The application of the BPI method in analyzing business processes produces critical business processes, namely Business Process Management Reports. This research produces business process recommendations with an average time to run processes that are shorter than current business processes and according to user needs. The application of these business process recommendations is expected to make the performance of the Integrated Tuition Payment System more optimal and effective.
Critical Success Factor Proyek TI: Studi Kasus Mobile Government Syaputra, Ikhsan Triadi; Raharjo, Teguh; Hardian, Bob; Simanungkalit, Tiarma
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.20236606

Abstract

Lembaga Pengawas XYZ adalah salah satu instansi pemerintah Indonesia yang sedang melakukan transformasi digital. Salah satu upaya transformasi digital adalah dengan mengembangkan aplikasi ABC. Aplikasi ABC merupakan aplikasi surat menyurat dan disposisi surat. Aplikasi ini merupakan aplikasi mobile government (mGovernment) yang dibangun agar pegawai Lembaga Pengawas XYZ dapat menerima tugas dan informasi melalui surat dimana saja dan kapan saja melalui perangkat smartphone. Hal ini dilakukan untuk mendukung pegawai Lembaga Pengawas XYZ yang memiliki mobilitas tinggi dalam menjalankan tugasnya sebagai auditor. Namun, proyek pengembangan aplikasi ini gagal. Ditandai dengan penyelesaian proyek yang tidak sesuai jadwal, aplikasi yang tidak sesuai harapan, dan hanya sedikit pegawai yang menggunakan aplikasi ini.  Belum adanya analisis CSF dalam proyek pengembangan aplikasi mGovernment merupakan salah satu penyebab kegagalan yang diidentifikasi pada penelitian ini. Sehingga tujuan dari penelitian ini adalah untuk mencari CSF pada proyek TI agar dapat menghindari kegagalan kedepannya. Hal ini didukung dengan belum adanya penelitian mengenai CSF pada proyek TI khususnya di mGovernment sehingga dapat memberikan kontribusi dan kebaruan untuk akademisi maupun praktisi. Penelitian ini menggunakan delapan CSF dengan lima kriteria keberhasilan. CSF kemudian diurutkan untuk menemukan prioritasnya menggunakan Analytic Hierarchy Process (AHP). Data dalam penelitian ini diperoleh dari tim pengembangan aplikasi dan pakar proyek TI. Pengambilan data menggunakan kuesioner dan wawancara. Hasil penelitian ini menunjukkan bahwa perencanaan merupakan faktor yang paling diprioritaskan, disusul oleh kompetensi sumber daya manusia. Sedangkan peringkat terakhir adalah manajemen pengetahuan.Abstract XYZ Supervisory Institution is one of the Indonesian government agencies that is carrying out digital transformation. One of the digital transformation efforts is developing ABC application. ABC application is a correspondence and letter disposition application. This application is a mobile government (mGovernment) application that was built so that employees of XYZ Supervisory Institution can receive assignments and information by mail anywhere and anytime via a smartphone device. This is done to support employees of the XYZ Supervisory Institution who have high mobility in carrying out their duties as auditors. However, this application development project failed. Characterized by the completion of projects that are not on schedule, applications that do not meet expectations, and only a few employees use this application. The absence of CSF analysis in mGovernment application development projects is one of the causes of failure identified in this study. Therefore, the purpose of this research is to look for CSF in IT projects in order to avoid future failures. This is supported by the absence of research on CSF in IT projects, especially in mGovernment so that it can provide contribution and novelty for academics and practitioners. This study used eight CSF with five success criteria. The CSF are then sorted to find its priority using the Analytic Hierarchy Process (AHP). The data in this study were obtained from application development team and IT project experts. Collecting data using questionnaires and interviews. The results of this study indicate that planning is the most prioritized factor, followed by human resource competence. While the last rank is knowledge management.
Faktor-faktor yang Memengaruhi Kesuksesan E-Learning dengan Model UTAUT di Kementerian Keuangan Sancoko, Bambang; Ashari, Hasan
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.20236061

Abstract

Perkembangan teknologi informasi mengakibatkan perubahan pola pengembangan sumber daya manusia (SDM) dimana sekarang berkembang penggunaan metode e-learning.  Tujuan penelitian untuk mengidentifikasi faktor-faktor penting yang memengaruhi kesuksesan penyelenggaraan e-learning dengan Model UTAUT di Kementerian Keuangan. Penelitian ini merupakan tindak lanjut atas evaluasi terkait penyelenggaraan e-learning yang belum optimal. Metode penelitian ini menggunakan survei. Data didapatkan melalui kuisioner dalam waktu tertentu.  Penelitian ini menghasilkan kesimpulan yang berbeda dengan penelitian terdahulu. Penelitian terdahulu menghasilkan kesimpulan bahwa faktor penting yang mempengaruhi kesuksesan e-learning adalah harapan atas kinerja, harapan atas usaha, pengaruh sosial, fasilitas/sarana, dan minat penggunaan.  Dalam penelitian ini nilai t-tabel yang dihasilkan dari pengolahan data dengan alpha 5% adalah 1,96.  Hasil penghitungan t-statistik variabel yang lebih besar dari t-tabel adalah harapan atas usaha 2,67; pengaruh sosial 3,8; dan minat penggunaan 4,715.  Sedangkan t-statistik variabel yang lebih kecil dari t-tabel adalah harapan atas kinerja 0,904 dan fasilitas/sarana 1,836. Sehingga kesimpulan penelitian ini adalah faktor penting yang mempengaruhi kesuksesan e-learning adalah harapan atas usaha, pengaruh sosial, dan minat penggunaan. Sedangkan faktor harapan atas kinerja dan fasilitas/sarana tidak mempengaruhi kesuksesan e-learning.Abstract The development of information technology has resulted in changes in the pattern of human resource development (HR) where the use of e-learning methods is now developing. The purpose of this study is to identify important factors that influence the success of e-learning implementation with the UTAUT Model at the Ministry of Finance. This research is a follow-up to the evaluation related to the implementation of e-learning that has not been optimal. This research method uses a survey. Data obtained through questionnaires within a certain time. This study yielded different conclusions from previous research. Previous research concluded that the important factors that influence the success of e-learning are expectations of performance, expectations of efforts, social influence, facilities, and behavioral intentions. In this study, the t-table value generated from data processing with 5% alpha was 1.96.  The results of calculating the t-statistics of variables that are greater than t-table are the expectation of effort 2.67; social influence 3.8; and behavioral intentions 4,715. Meanwhile, the t-statistic variable which is smaller than the t-table is the expectation of performance 0.904 and facilities/facilities 1.836. So the conclusion of this study is that the important factors that influence the success of e-learning are expectations of effort, social influence, and behavioral intention. Meanwhile, the expectation factor for performance and facilities does not affect the success of e-learning.
Pengukuran Evapotranspirasi Menggunakan Etindex Estimation Algorithm di Kota Bogor Denih, Asep; Sidik, Gema Nur
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.20236646

Abstract

Evapotranspirasi adalah penguapan air yang terjadi di seluruh permukaan bumi, termasuk permukaan tanaman, air dan tanah. Salah satu penyebab pemanasan global adalah efek rumah kaca dari karbon dioksida, gas metana, dan uap air. Pada fenomena rumah kaca, radiasi yang dipancarkan matahari sebagian dipantulkan, sinar panas infra merah ini terperangkap di troposfer tidak dapat melewati atmosfer sehingga suhu bumi menjadi lebih panas. Pengukuran evapotranspirasi melalui pengamatan langsung yang dilakukan di Indonesia hanya mengukur evapotranspirasi di titik tertentu. Teknologi pengindraan jauh dapat dimanfaatkan untuk mengukur evapotranspirasi secara luasan karena data yang diolah berupa citra satelit. Penelitian ini berfokus pada penerapan ETindex Estimation Algorithm untuk menghitung nilai indeks evapotranspirasi dan metode Penman-Monteith guna menghasilkan nilai evapotranspirasi potensial, dimana dua parameter tersebut digunakan untuk memperoleh nilai evapotranspirasi aktual. Selain citra satelit, digunakan juga data iklim yang diperoleh dari Stasiun Klimatologi Bogor sebagai data penunjang dan pembanding. Evapotranspirasi yang dibandingkan adalah berdasarkan luasan area (spasial) vegetasi secara keseluruhan, bukan evapotranspirasi per vegetasi. Rata-rata nilai evapotranspirasi aktual pada daerah dengan vegetasi tinggi diperoleh antara 2,5 mm/hari sampai dengan 5 mm/hari, pada daerah dengan vegetasi rendah antara 2,3 mm/hari sampai dengan 4,6 mm/hari, dan pada daerah tanpa vegetasi antara 2 mm/hari sampai dengan 4,4 mm/hari. Berdasarkan titik koordinat Stasiun Klimatologi Bogor diperoleh rata-rata nilai evapotranspirasi aktual 3,6 mm/hari, sedangkan rata-rata nilai pengamatan menggunakan panci evaporimeter 4,2 mm/hari. Hasil estimasi yang diperoleh tidak berbeda jauh dari nilai rata-rata evapotranspirasi di Stasiun Klimatologi Bogor rentang tahun 2019 sampai dengan 2020 adalah 3,9 mm/hari, dengan error rata-rata sebesar 1,9 mm/hari. Abstract Evapotranspiration is the evaporation of water that occurs over the entire surface of the earth, including the surface of plants, water and soil. One of the causes of global warming is the greenhouse effect of carbon dioxide, methane gas, and water vapor. In the greenhouse phenomenon, the radiation emitted by the sun is partially reflected, these infrared heat rays trapped in the troposphere cannot pass through the atmosphere so that the earth's temperature becomes hotter. Measurement of evapotranspiration through direct observation carried out in Indonesia only measures evapotranspiration at a certain point. Remote sensing technology can be used to measure evapotranspiration widely because the data processed is in the form of satellite imagery. This study focuses on the application of the ETindex Estimation Algorithm to calculate the value of the evapotranspiration index and the Penman-Monteith method to generate potential evapotranspiration values, where the two parameters are used to obtain the actual evapotranspiration value. In addition to satellite images, climate data obtained from the Bogor Climatology Station is also used as supporting and comparative data. The evapotranspiration compared is based on the area (spatial) of the overall vegatasi, not evapotranspiration per vegetation. The average actual evapotranspiration value in areas with high vegetation was obtained between 2.5 mm/day to 5 mm/day, in areas with low vegetation between 2.3 mm/day to 4.6 mm/day, and in areas without vegetation between 2 mm/day to 4.4 mm/day. Based on the coordinate points of the Bogor Climatology Station, the average actual evapotranspiration value was obtained at 3.6 mm / day, while the average observation value using an evaporimeter pan was 4.2 mm / day. The estimated results obtained are not much different from the average value of evapotranspiration at the Bogor Climatology Station from 2019 to 2020 is 3.9 mm / day, with an average error of 1.9 mm / day.
Analisis dan Perancangan Aplikasi Chatbot Menggunakan Framework Rasa dan Sistem Informasi Pemeliharaan Aplikasi (Studi Kasus: Chatbot Penerimaan Mahasiswa Baru Politeknik Astra) Anindyati, Laksmi
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.20236409

Abstract

Chatbot menjadi suatu kebutuhan bisnis yang membutuhkan pelayanan interaksi secara real-time dan 24 jam. Kebutuhan tersebut juga diperlukan saat penerimaan mahasiswa baru di Politeknik Astra. Chatbot dapat menjadi salah satu penyedia informasi yang interaktif untuk calon mahasiswa Politeknik Astra, ketika mencari informasi terkait proses pendaftaran mahasiswa baru maupun terkait Politeknik Astra secara umum. Proses analisis dan perancangan sistem dilakukan, dimulai dengan studi literatur. Hasil dari studi literatur dipilihlah Framework RASA yang akan digunakan dalam pengembangan chatbot. Framework RASA memiliki performa yang baik karena memiliki Rasa NLU dan Rasa CORE. Rasa NLU sebagai basis library yang membangunteraksi antara komputer dan manusia dengan menerapkan dua metode dan algoritma kecerdasan buatan yaitu pemrosesan bahasa alami dan mesin pembelajaran. Rasa NLU bertanggung jawab membuat interaksi lebih nyata, pengguna layanan akan merasakan interaksi langsung seperti dengan manusia bukan dengan komputer. Rasa CORE juga berperan dalam membuat interaksi terasa nyata, dengan mengatur interaksi dialog antara antara bot (komputer dibalik chatbot) dengan pengguna. Framework Rasa juga bersifat open source sehingga memiliki adaptabilitas yang tinggi ketika diperlukan modifikasi untuk menyesuaikan kebutuhan bisnis yang ada. Proses pengembangan sistem dilanjutkan dengan melakukan analisis dan perancangan sistem informasi penunjang. Sistem informasi penunjang chatbot ini dibangun untuk mengakomodir kebutuhan proses CRUD (Create, Read, Update dan Delete) dari pertanyaan – respon yang nantinya dipelajari oleh chatbot sebelum dapat berinteraksi seperti manusia. Sistem informasi penunjang ini membantu penyesuaian konfigurasi chatbot dalam merespon pertanyaan sehingga operasional kebutuhan tersebut dapat mudah dilakukan oleh admin tanpa latar belakang IT. Hasil dari penelitian ini adalah kebutuhan sistem yang direpresentasikan pada use case diagram dan flowchart lalu pemilihan pipeline NLU untuk chatbot, arsitektur sistem, perancangan database dalam bentuk physical data model, dan perancangan desain antarmuka (mockup) sistem penunjang chatbot framework RASA. AbstractChatbots have become essential in business that requires interaction with customers in real-time and 24 hours. The requirements have become a necessity in Polytechnic Astra especially during the acceptance period of new students. Chatbot can be an interactive provider of information to prospective students of Polytechnic Astra who are looking information about the registration process or information related to Polytechnic Astra in general. The analysis and design process are conducted, starting with study literature.  The results of the literature study, the RASA Framework were chosen as a tool to develop chatbots. RASA Framework performs well with the Rasa NLU and Rasa Core. Rasa NLU as a base library to build interactions between computers and humans using artificial intelligence. Rasa NLU is responsible for making interaction much real, like direct interaction with humans. Rasa core is a base library to regulate the interaction dialogue between chatbots and users. The Rasa Framework is also open source, so it has high adaptability to be modified to suit existing business needs. This supporting information system help to adjust the configuration chatbot in responding to questions, so that the operational can be easily carried out by the admin without IT background. The results of this research are the system requirements represented in use case diagrams and flowcharts and the selection of NLU pipeline for chatbots, the system architecture, the database design in the form of physical data models, and the interface design (mockup) for the chatbot framework support system RASA.

Page 88 of 129 | Total Record : 1288

 86   87   88   89   90 

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