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
 91   92   93   94   95 
Implementasi Algoritma Naïve Bayes untuk Mendeteksi Resiko Tinggi Diabetes Melitus Pada Ibu Hamil (Studi Kasus : Puskesmas Kabupaten Malang) Fatmawati, Fatmawati; Wicaksono, Satrio Agung; Wijoyo, Satrio Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106422

Abstract

Diabetes pada ibu hamil dapat meningkatkan berbagai risiko, baik maternal maupun neonatus. Terdapat gangguan homeostasis glukosa pada ibu hamil. Terjadinya malformasi kongenital, keguguran, risiko preeklampsia, CPD (Cepalo Pelvik Dispropotion), kelahiran prematur, kelainan letak, plasenta previa dan hipoglikemia neonatus. Oleh karena itu, Perhatian dan penanganan menyeluruh bagi ibu hamil yang mengalami diabetes. Data mining dapat digunakan untuk deteksi resiko tinggi diabetus mellitus pada ibu hamil. Data yang digunakan seperti nama, usia, umur kehamilan, gravida, para, riwayat kehamilan yang lalu, riwayat penyakit yang pernah diderita, faktor risiko, riwayat persalinan yang lalu untuk deteksi resiko tinggi diabetus mellitus pada ibu hamil. Tidak semua kehamilan dapat berjalan dengan normal atau fisiologis pada saat proses persalinannya ada faktor risiko yang dapat mempengaruhinya. Pada penelitian ini dapat mendeteksi resiko yang akan terjadi kepada ibu hamil dan bayi dalam kandungannya. Nilai akurasi tertinggi terdapat pada pengujian ke 4 sebesar 82.4324% dan terendah nilai akurasi pada pengujian ke 2 sebesar 75%. Nilai presisi tertinggi terdapat di uji coba ke 3 sebesar 79.2% dan nilai presisi terendah di uji coba ke 2 sebesar 76.3%. Nilai recall tertinggi terdapat di uji coba ke 4 sebesar 82.4% dan nilai recall terendah di uji coba ke 2 sebesar 75%. Nilai F-Measure tertinggi terdapat di uji coba ke 3 sebesar 79.2% dan nilai F-Measure terendah di uji coba ke 2 sebesar 74.8%. AbstractDiabetes in pregnant women can increase various risks, both maternal and neonatal. There is a disturbance of glucose homeostasis in pregnant women. Occurrence of congenital malformations, miscarriage, risk of preeclampsia, CPD (Cepalo Pelvic Disproportion), premature birth, position abnormalities, placenta previa and neonatal hypoglycemia. Therefore, attention and comprehensive treatment for pregnant women with diabetes. Data mining can be used to detect high risk of diabetes mellitus in pregnant women. The data used are name, age, gestational age, gravida, para, past pregnancy history, history of previous illness, risk factors, past delivery history to detect high risk of diabetes mellitus in pregnant women. Not all pregnancies can run normally or physiologically at the time of delivery there are risk factors that can affect it. In this study, it can detect the risks that will occur to pregnant women and their babies in the womb. In addition, recommendations from the system can support a midwife's decision making in taking action to pregnant women. The highest accuracy value is found in the 4th test of 82,4324% and the lowest accuracy value in the 2nd test is 75%. The highest precision value was found in the 3rd trial of 79.2% and the lowest precision value in the 2nd trial of 76.3%. The highest recall value was found in the 4th trial of 82.4% and the lowest recall value in the 2nd trial of 75%. The highest F-Measure value was found in the 3rd trial of 79.2% and the lowest F-Measure value in the 2nd trial of 74.8%.
Pengembangan Sistem Informasi Praktik Kerja Lapangan (PKL) Siswa Berbasis Website Menggunakan Metode Extreme Programming (Studi Kasus: SMK Negeri 1 Sumenep) Ro'if, M.; Afirianto, Tri; Wijoyo, Satrio Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241116452

Abstract

Dalam pelaksanaannya, kegiatan Praktik Kerja Lapangan (PKL) di SMK Negeri 1 Sumenep masih kurang efektif karena dalam pelaksanaannya masih dilaksanakan secara manual, sehingga proses manajemen kegiatan PKL masih kurang efektif. Berdasarkan permasalahan tersebut, implementasi suatu sistem dibutuhkan untuk mengelola kebutuhan PKL sehingga kegiatan PKL dapat terlaksana secara efektif dan efisien. Peneliti melakukan pengembangan sistem informasi PKL berbasis website di SMK Negeri 1 Sumenep. Peneliti menggunakan metode pengembangan Extreme Programming (XP) dengan harapan sistem dapat dikembangkan dengan cepat dan agile sehingga semua kebutuhan yang diinginkan oleh stakeholder dapat tercapai. Hasil pengujian unit testing secara keseluruhan menghasilkan total 45 tests case dan 119 assertions, dan untuk pengujian acceptance testing menghasilkan total 69 tests case dengan nilai 100% accepted. Hasil pengujian system usability scale (SUS) keseluruhan sistem memiliki nilai rata-rata 76,88 yang berada dalam range 70 – 80 dengan nilai “C” atau “Good”. Sehingga dapat disimpulkan bahwa sistem informasi PKL berbasis website berada dalam acceptability range “acceptable”.
Pengukuran Niat Penggunaan Virtual Reality sebagai Alat Simulasi Pelatihan Arifin, Riski; Sudiarno, Adithya
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106456

Abstract

Virtual Reality merupakan teknologi yang menggambarkan lingkungan secara virtual, penggunaan virtual reality terus menunjukkan tren peningkatan penggunaan secara masif. Pengunaan virtual reality digunakan untuk bermain game atau menjadi alat simulasi suatu pelatihan. Keuntungan menggunakan virtual reality sebagai alat simulasi memberikan peningkatan pemahaman seseorang dibandingkan dengan pelatihan yang bersifat konvensional. Selanjutnya diperlukan pengukuran untuk terus meningkatkan penggunaan teknologi virtual reality dari variabel-variabel yang mempengaruhi penggunaan virtual reality dengan menggunakan technology acceptance model yang mengukur niat penggunaan sebuah teknologi. Partisipan dalam penelitian ini berjumlah 60 orang untuk mengukur variabel yang berpengaruh dalam penggunaan virtual reality. Partial least square digunakan pada penelitian ini sebagai alat pengujian variabel. Hasil penelitian ini menunjukkan bahwa variabel persepsi kemudahan penggunaan, persepsi kenikmatan dan persepsi kegunaan berpengaruh kepada variabel niat seseorang untuk menggunakan virtual reality. Model yang dibangun menunjukkan bahwa ketiga variabel tersebut berpengaruh sebesar 50% untuk niat dalam menggunakan virtual reality dan masih terdapat variabel yang belum diketahui untuk niat dalam menggunakan virtual reality. AbstractVirtual Reality is a technology that describes a virtual environment, the virtual reality continues to show a massive increase of usage over the years ranging from a gaming application to a simulation tool for education and training, which proven to provide better understanding of the learning subject compared to the conventional training. However, given to the current state of the virtual technology, an applicative measurement is needed to increase the use of virtual reality technology from each variable mentioned in this study, therefore this paper use Technology acceptance model to measure the intention of user to use the virtual technology. This study uses the variable data gained from 60 people to evaluate their intention on the use of virtual technology with partial least square is used in this study as a variable testing tool. The results of this study indicate that the variables of perceived ease of use, perceived enjoyment and perceived usefulness affect a person's intention to use virtual reality. The built model shows that the three variables have an effect of 50% for the intention to use virtual reality while therefore there are still unknown variables for the intention to use virtual reality.
Segmentasi Pelanggan B2B Berdasarkan Perilaku Pembelian dan Firmografi pada PT. Sukses Riau Permata (SRP) monalisa, Siti; Nurahmah, Novia
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241116487

Abstract

Aset yang memberi pengaruh besar pada proses bisnis perusahaan retail adalah pelanggan. PT. Sukses Riau Permata (SRP) adalah badan usaha yang bergerak dalam bidang distribusi barang konsumsi yang pelanggannya banyak berjenis Business to Business (B2B). Permasalahan yang muncul pada PT. SRP ini adalah menurunnya jumlah konsumen sebanyak 27% yang terjadi pada 6 bulan terakhir Tahun 2021 dikarenakan strategi bisnis perusahaan belum mengaplikasikan Customer Relationship Management (CRM). PT. SRP belum mengidentifikasi pelanggan mana yang berkontribusi dan mana yang tidak memberikan keuntungan pada perusahaan akibatnya program pemasaran masih diberlakukan seragam kepada semua pelanggan. Maka dari itu pada penelitian ini dilakukan pengelompokan pelanggan berdasar kepada perilaku pembelian dan firmografi dengan algoritma Fuzzy C-Means. Indeks Davies Bouldin (DBI) digunakan untuk memverifikasi validitas hasil klasterisasi. Dari proses klasterisasi pelanggan dihasilkan 6 klaster yang dianalisis sesuai karakteristik segmen dengan segmen pelanggan terbaik yaitu cluster 4 (Superstar Segment) yang memiliki 383 pelanggan. Sedangkan segmen pelanggan terparah, yaitu cluster 6 (New Dormant Segment) yang memiliki 298 pelanggan. Adapun di akhir penelitian didapatkan hasil yaitu usulan strategi penjualan terbaik yang sesuai dengan deskripsi karakteristik dan kebutuhan segmen pelanggan. 
Analisis Komparatif Keamanan Aplikasi Pengelola Kata Sandi Berbayar Lastpass, 1Password, dan Keeper Berdasarkan ISO/IEC 25010 Aditama, Whisnu Yudha; Hikmah, Ira Rosianal; Priambodo, Dimas Febriyan
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106544

Abstract

Authentikasi merupakan salah satu faktor terpenting dalam ruang lingkup keamanan komputer, penggunaan kata sandi menjadi metode autentikasi yang dominan diterapkan pada website ataupun desktop. Penanganan yang buruk terhadap kata sandi dapat memicu berbagai risiko seperti pencurian data sensitif, dan kerusakan reputasi, yang dapat dirasakan baik individu maupun organisasi. Aplikasi pengelola kata sandi tersedia secara gratis maupun berbayar untuk membantu pengguna dalam mengelola banyaknya kata sandi. Aplikasi pengelola kata sandi berbayar memiliki keunggulan dalam hal popularitas dan fungsi yang ditawarkan kepada pengguna. Akan teteapi banyaknya penyedia aplikasi pengelola kata sandi membuat pengguna menghadapi banyak pilihan, sehingga perlu dilakukan komparasi mengenai keamanan pada aplikasi pengelola kata sandi yang akan digunakan. Pada penelitian ini dilakukan analisis komparasi keamanan pada aplikasi pengelola kata sandi berbayar Lastpass, 1Password, dan Keeper sebagai aplikasi yang populer berdasarkan ISO/IEC 25010 untuk mengetahui kelebihan dan kekurangan dari masing-masing aplikasi. Penelitian ini merupakan penelitian kausal komparatif dengan tiga tahapan penelitian. Hasil penelitian ini adalah Aplikasi Keeper lebih unggul dalam menerapkan pencegahan kerusakan data dan kebijakan autentikasi yang diperlukan. Sedangkan, aplikasi 1Password lebih unggul dalam membuktikan identitas pengguna sebagai yang diklaim dan mampu mencatat setiap aktivitas pengguna ke dalam log. dan aplikasi Lastpass memiliki keunggulan yang sama dengan aplikasi Keeper dalam durasi menyimpan log di dalam sistem. Selain itu, ketiga aplikasi memiliki tingkat keamanan yang sama dalam mengamankan data pengguna dari otoritas tidak sah, serta menerapkan penggunaan tanda tangan atau sertifikat digital untuk mencegah terjadinya penyangkalan.  Abstract Authentication is one of the most important factors in the scope of computer security, passwords are the dominant authentication method applied to websites or desktops. Poor handling of passwords can lead to various risks such as theft of sensitive data, and reputational damage, which can be felt by both individuals and organizations. Password manager apps are available both free and paid to help users manage multiple passwords. Paid password manager apps have an edge in terms of popularity and functionality offered to users. However, the many providers of password manager applications make users face many choices, so it is necessary to make a comparison regarding the security of the password manager application that will be used. In this study, a comparative security analysis was conducted on the paid password manager applications Lastpass, 1Password, and Keeper as popular applications based on ISO/IEC 25010 to determine the advantages and disadvantages of each application. This research is a comparative causal research with three stages of research. The results of this study are the Keeper application is superior in implementing data corruption prevention and authentication policies required. Meanwhile, the 1Password application is superior in proving the identity of the user as claimed and is able to log every user activity into a log. and the Lastpass application has the same advantages as Keeper application in the duration of keeping logs in the system. In addition, three applications have the same level of security in securing user data from unauthorized parties, and implement the use of digital signatures or certificates to prevent denial.
Implementasi Algoritma AES 256 CBC, BASE 64, Dan SHA 256 dalam Pengamanan dan Validasi Data Ujian Online Utama, Ferzha Putra; Wijaya, Gusman; Faurina, Ruvita; Vatresia, Arie
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106558

Abstract

Terdapat berbagai macam cara untuk melaksanakan ujian di tingkat perguruan tinggi, selama masa pandemi Covid-19 metode ujian online menjadi banyak digunakan. Meskipun ujian online dapat dilaksanakan di mana saja dan kapan saja, sayangnya masih banyak terjadi kecurangan seperti bocornya soal ujian, tersebarnya kunci jawaban secara ilegal, dan pengubahan pada data hasil ujian.  Salah satu solusi dalam menjaga integritas hasil ujian berbasis online adalah mengenkripsi data ujian dengan metode kriptografi. Penelitian ini mengusulkan menerapkan beberapa metode kriptografi sebagai upaya dalam mengamankan dan memastikan keaslian data ujian online menggunakan algoritma AES 256 CBC, Base 64, dan SHA 256. Penelitian ini menghasilkan aplikasi ujian online berbasis website yang dibangun menggunakan teknologi MERN Stack. Hasil pengujian dalam memvalidasi data ujian online yang telah dienkripsi menggunakan sistem dan OpenSSL menunjukkan nilai hash yang sama. Hal ini menunjukkan sistem telah mampu mengenkripsi, mendekripsi, dan memvalidasi data ujian online dengan efektif.   Abstract There are various ways to organize exams at the higher education level. During the Covid-19 pandemic, the online examination method has become widely used. Although online exams can be held anywhere and anytime, unfortunately, many violations and fraud exist, such as leaking exam questions, spreading answer keys illegally, and changing exam result data. One solution for maintaining the integrity of online-based exam results is to encrypt exam data with cryptographic methods. This study proposes applying several cryptographic methods to secure and ensure the authenticity of online exam data using AES 256 CBC, Base 64, and SHA 256 algorithms. This research resulted in a website-based online exam application built using MERN Stack technology. The test results in validating online exam data that has been encrypted using the system and OpenSSL show the same hash value. This shows that the system has been able to encrypt, decrypt, and validate online exam data effectively.
Segmentasi Pelanggan B2B dengan Model LRFM Menggunakan Algoritma Fuzzy C-Means pada Rotte Bakery Ananda, Dea Putri; Monalisa, Siti
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 5: Oktober 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106569

Abstract

Pelanggan B2B (Business to Business) merupakan pelanggan yang membeli produk dari suatu perusahaan dengan tujuan menjualnya kembali kepada konsumen akhir. Oleh karena itu, pengelolaan pelanggan B2B dengan strategi yang baik dan tepat sangatlah penting. Setiap pelanggan memiliki karakteristik yang berbeda, termasuk perilaku pembelian, demografi, dan geografi. Oleh karena itu, segmentasi pelanggan perlu dilakukan untuk mengelompokkan pelanggan dengan karakteristik serupa. Dengan demikian, perusahaan dapat menerapkan strategi pemasaran yang lebih efektif dan sesuai dengan kebutuhan setiap segmen pelanggan. Dalam penelitian ini, kami menggunakan model LRFM (Length, Recency, Frequency, dan Monetary) dengan Algoritma Fuzzy C-Means untuk melakukan segmentasi pelanggan. Metode validasi Davies Bouldien-Index digunakan untuk menentukan jumlah cluster yang optimal. Hasilnya menunjukkan bahwa terdapat lima cluster yang optimal untuk pelanggan agen dengan nilai DBI sebesar 0,57, sedangkan pelanggan outlet memiliki empat cluster dengan nilai DBI sebesar 0,49. Karakteristik yang dihasilkan untuk pelanggan agen adalah Average Value Segment, New Low Value Customer, New Dormant Segment, Golden Segment, dan Superstar Segment. Sementara itu, pelanggan outlet terbagi menjadi Golden Segment, Superstar Segment, New Low Value Customer, dan Dormant Segment. Berdasarkan temuan tersebut, kami memberikan usulan strategi pemasaran yang sesuai dengan karakteristik masing-masing segmen pelanggan B2B. Usulan ini relevan baik bagi akademisi, praktisi, maupun peneliti dalam bidang pemasaran.   Abstract B2B customers (Business to Business) are customers who purchase products from a company with the intention of reselling them to end consumers. Therefore, managing B2B customers with effective and appropriate strategies is crucial. Each customer has different characteristics, including purchasing behavior, demographics, and geography. Therefore, customer segmentation is necessary to group customers with similar characteristics. This enables companies to implement more effective and targeted marketing strategies tailored to the needs of each customer segment. In this study, we employed the LRFM model (Length, Recency, Frequency, and Monetary) with the Fuzzy C-Means algorithm for customer segmentation. The Davies Bouldien-Index validation method was used to determine the optimal number of clusters. The results revealed that there are five optimal clusters for agent customers with a DBI value of 0.57, while outlet customers have four clusters with a DBI value of 0.49. The resulting characteristics for agent customers are the Average Value Segment, New Low Value Customer, New Dormant Segment, Golden Segment, and Superstar Segment. Meanwhile, outlet customers are divided into the Golden Segment, Superstar Segment, New Low Value Customer, and Dormant Segment. Based on these findings, we propose marketing strategies that align with the characteristics of each B2B customer segment. These proposals are relevant to academics, practitioners, and researchers in the field of marketing.
Analisis Efek Augmentasi Dataset dan Fine Tune pada Algoritma Pre-Trained Convolutional Neural Network (CNN) Sasongko, Theopilus Bayu; Haryoko, Haryoko; Amrullah, Agit
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106583

Abstract

Kemajuan teknologi deep learning seringkali berbanding lurus dengan keterkaitan metode yang dapat diandalkan dalam penggunaan jumlah data yang besar. Convolutional Neural Network (CNN) adalah salah satu algoritma deep learning yang paling popular saat ini guna pengolahan citra. Pada era deep learning model CNN yang kompleks seperti saat ini memiliki tantangan-tantangan yang baru baik gradient vanishing, overfitting yang dikarenakan keterbatasan dataset, optimasi parameter hingga keterbatasan perangkat keras. Penelitian ini bertujuan mengukur pengaruh teknik fine tuning dan augmentasi dataset pada model transfer learning CNN Mobilenet, Efficientnet, dan Nasnetmobile dengan dataset yang variasi jumlah dataset yang memiliki jumlah yang terbatas. Pada hasil dari penelitian ini, dari ketiga dataset yang digunakan sebagai dalam melakukan training pada model efisien transfer learning baik MobileNet, EfficientNet, dan NasNetmobile, teknik augmentasi zoom range ataupun random erase dapat meningkatkan akurasi pada dataset dengan jumlah 56 citra dan 222 citra, sedangkan pada dataset dengan jumlah 500 data citra, semua teknik augmentasi terbukti dapat meningkatkan akurasi pada model arsitektur MobileNetV2 dan NasNetMobile. Sedangkan teknik fine tuning terbukti efektif dalam meningkatkan akurasi pada semua skala data yang kecil. AbstractToday deep learning technology is often associated with reliable processes (methods) when we have large amounts of data. In deep learning CNN (Convolutional Neural Network) plays a very important role which is often used to analyze (classify or recognize) visual images. In the era of deep learning models such as the complex Convolutional Neural Network (CNN) as it is today, it has new challenges such as gradient vanishing, overfitting due to dataset limitations, parameter optimization to hardware limitations. The MobileNet architecture was coined in 2017 by Howards, et al, which is one of the convolutional neural networks (CNN) architectures that can be used to overcome the need for excessive computing resources. This study aims to measure the effect of fine tune and dataset augmentation techniques on CNN mobilenet, efficientnet, and nasnetmobile transfer learning models with very small datasets. The results of this study are that of the three datasets used as the basis for training in efficient transfer learning models (mobilenet, efficientnet, and nasnetmobile), random erase and zoom range augmentation techniques dominate the increase in model accuracy. The amount of increase in accuracy after random erase or zoom range augmentation that occurs is about 0.03% to 0.1%.
Evaluasi Usability Aplikasi Mobile Sampingan Menggunakan Metode Usability Testing dan System Usability Scale (SUS) 'Aisy, Rihadatul; Mursityo, Yusi Tyroni; Wijoyo, Satrio Hadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241116613

Abstract

Pada tahun 2018 diluncurkan sebuah aplikasi yang membantu para pencari pekerjaan paruh waktu bernama Aplikasi mobile Sampingan. Aplikasi ini merupakan aplikasi yang sangat membantu menghasilkan penghasilan tambahan bagi para penggunanya sesuai dengan observasi yang penulis lakukan pada ulasan aplikasi mobile Sampingan di Google Playstore, namun ditemukan cukup banyaknya komplain dari pengguna terkait aplikasi ini sehingga menjadi urgensi tersendiri dalam perbaikan aplikasi yang memiliki banyak peminat ini. Sehingga diperlukan evaluasi untuk selanjutnya dapat dilakukan perbaikan pada permasalahan yang dialami pengguna menggunakan metode usability testing dan SUS. Menurut Nielsen (2012) terdapat beberapa aspek yang perlu diukur untuk mengetahui permasalahan usability yaitu learnability, efficiency, error, dan satisfaction. Task scenario dan kuesioner SUS digunakan sebagai instrumen pada penelitian ini yang diberikan kepada 20 pengguna baru, dan terdapat instrumen wawancara yang melibatkan 5 pengguna lama serta 5 pengguna baru aplikasi mobile Sampingan. Dari pengumpulan data yang dilakukan, hasil yang didapatkan yaitu hasil aspek learnability yaitu 87%, aspek efficiency yaitu 0,019 goals/second pada perhitungan time-based efficiency dan 76,3% pada perhitungan Overall Relative Efficiency (ORE), aspek error yaitu 7,6%, serta aspek satisfaction yaitu 59,63 yang menggunakan kuesioner SUS. Selain itu ditemukan 17 permasalahan usability dari proses wawancara yang selanjutnya diberikan rekomendasi perbaikan berdasarkan 23 guidelines yang digunakan. 
Prediksi Rating Film IMDb Menggunakan Decision Tree Ilmi, Rifqy Rosdiyah; Kurniawan, Fachrul; Harini, Sri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 4: Agustus 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024106615

Abstract

Industri Film bukan hanya industri atau pusat hiburan semata melainkan menjadi pusat bisnis global. Popularitas atau kesuksesan film box office  selalu menjadi perhatian di seluruh dunia. Data kesuksesan atau popularitas film saat ini tersedia secara online. IMDb merupakan satu dari sekian situs daring penyedia informasi yang berkaitan dengan film, acara televisi, yang meliputi sinopsis, daftar pemain, ulasan penilaian, dan tentunya pemberian rating film. Keberhasilan film dapat ditandai dengan perolehan rating yang tinggi. Prediksi rating film menjadi topik menarik untuk menilai keberhasilan film baik yang telah diproduksi maupun yang belum diproduksi. Pada penelitian ini, dilakukan prediksi nilai rating film menggunakan metode decision tree. Hasil dari penelitian ini diperoleh kesimpulan bahwa atribut popularitas film dan nilai vote user pada laman IMDb berpengaruh terhadap nilai rating film. Nilai akurasi penggunaan model decision tree pada data training, validasi dan testing bertuturt – turut adalah 0,7529, 0,7237 dan 0,7079. AbstractThe film industry is not just an industry or entertainment but also a global business center. The popularity or success of box office movies has always been a concern around the world. Data on the success or popularity of a movie is currently available online. IMDb is one of the many online sites that provide information related to movies, television shows, which include synopsis, cast lists, rating reviews, and of course movie rating assignments. Prediction of movie ratings is an interesting topic to assess the success of films that have been produced and those that have not been produced. Prediction of movie ratings values can be modeled through machine learning using the decision tree model. From this research, it can be concluded that the popularity of the film and the value of user votes on the IMDb page have an effect on the film rating value. The accuracy values of using the descision tree model in training data, validation and testing are respectively 0.7529, 0.7237 and 0.7079.

Page 93 of 129 | Total Record : 1288

 91   92   93   94   95 

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