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
 92   93   94   95   96 
Analisis Penerimaan Learning Management System Institut Teknologi Garut Menggunakan Technology Acceptance Model Mulyani, Asri; Kurniadi, Dede; Putri, Mita Hidayani
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.2024106618

Abstract

Kemajuan teknologi dari masa ke masa terus berkembang secara pesat dalam bermacam bidang salah satunya dalam bidang pendidikan. Pendidikan mempunyai kedudukan yang sangat berarti dalam upaya kenaikan mutu seseorang, tetapi dengan kemunculan wabah penyakit Corona Virus Disease 2019 (Covid-19) menyebabkan lahirnya tatanan gaya hidup baru secara global. Civitas akademika Institut Teknologi Garut selain mematuhi peraturan dari pemerintah juga mengikuti perkembangan pendidikan berbasis teknologi informasi yang bersifat interaktif dengan menggunakan aplikasi Learning Management System sebagai pendukung proses pembelajaran jarak jauh dimasa wabah penyakit Covid-19. Dikarenakan Learning Management System (LMS)  di Institut Teknologi Garut baru digunakan, maka penelitian ini bertujuan menganalisis penerimaan Learning Management System Institut Teknologi Garut menggunakan metode Technology Acceptance Model, untuk mengetahui pengukuran pengaruh antar konstruk sekaligus sebagai barometer adaptasi penerimaan pengguna terhadap sistem LMS yang digunakan. Dalam penelitian ini pengolahan data analisis memakai Structural Equation Modeling melalui tools Statistical Product and Service Solution dan Analysis of Moment Structures. Penelitian ini menghasilkan tingkat penerimaan pengguna terhadap Learning Management System dengan nilai probabilitas dibawah 5% yaitu 0,000 dan pengaruh antar konstruk Technology Acceptance Model dengan 3 hipotesis yang diterima ialah variabel Persepsi kemudahan memengaruhi Persepsi kegunaan, Persepsi kegunaan memengaruhi Niat penggunaan, dan Niat penggunaan memengaruhi Penggunaan nyata. AbstractTechnological advances from time to time continue to develop rapidly in various fields, one of which is in the field of education. Education has a very significant role in efforts to improve one's quality, but the emergence of the Corona Virus Disease 2019 outbreak has led to the birth of a new lifestyle order globally. In addition to complying with government regulations, the Garut Institute of Technology academic community also follows the development of interactive information technology-based education with the use of informative applications through electronic media in order to get efficient results, namely the Learning Management System. Because the Learning Management System at the Garut Institute of Technology has just been used, a study entitled Learning Management System Acceptance Analysis of the Garut Institute of Technology uses the Technology Acceptance Model Method, to determine the measurement of the influence between constructs as well as a benchmark for adapting user acceptance to the system used. In this research, data analysis is processed using Structural Equation Modeling through Statistical Product and Service Solution tools and Analysis of Moment Structures. This study resulted in the level of user acceptance of the Learning Management System with a probability value below 5%, namely 0.000 and the influence between the constructs of the Technology Acceptance Model with 3 accepted hypotheses, namely the variable Perception of convenience affects Perception of usefulness, Perception of usefulness affects Intention of use, and Intention of use affects Real use . It is hoped that the results of this research can be used as a reference for developers to continue to optimize the functionality of the Learning Management System so that it can be used optimally.
Pengembangan Aplikasi Mobile Pengisian Daya Kendaraan Listrik Sesuai Standar OCPP 1.6 Atmaji Perdana, Rachmawan; Hindratno, M. Nurkhoiri; M. Santoso, Tanzi; Try Harmanda, Topan; Resvy Mahda, Friyogi; Andreas Lapian, Yahya; Dwi W. S., Monica; Aldion Renata, Dionysius; Aji, Prasetyo; Layooari, Meidy; Supriatna, Kusnanda; Kusumajaya, Rully; Hamdani, Mohammad
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106647

Abstract

Makalah ini membahas tentang pengembangan aplikasi mobile untuk pengisian daya kendaraan listrik, yang diberi nama SONIKApp. SONIKApp digunakan untuk melakukan reservasi dan pengendalian pengisian daya secara remote. Fitur reservasi diperlukan mengingat pengisian daya baterai kendaraan listrik membutuhkan waktu tunggu serta masih terbatasnya stasiun pengisian kendaraan listrik umum (SPKLU) di Indonesia. Fitur pengisian daya berbasis remote juga merupakan fitur penting yang memungkinkan pengguna untuk mengendalikan proses pengisian daya kendaraan listrik. SONIKApp juga terhubung dengan sistem manajemen SPKLU berbasis standar OCPP 1.6 secara real-time sehingga data yang ada di aplikasi selalu merupakan data terkini. Aplikasi ini dikembangkan dengan kerangka kerja front-end React Native, sehingga dapat berjalan di atas sistem operasi Android dan iOS. Hasil yang diperoleh adalah terciptanya aplikasi mobile SONIKApp yang memudahkan pengguna dalam pengisian daya kendaraan listrik. Telah dilakukan pengujian SONIKApp untuk fitur reservasi dan pengisian daya secara remote berdasarkan OCPP 1.6, dan hasilnya adalah aplikasi SONIKApp telah berhasil mengimplementasikan fitur-fitur tersebut. Abstract This paper discusses the development of a mobile application for charging electric vehicles, which is named SONIKApp. SONIKApp is used to make reservations and control charging remotely. The reservation feature is required considering that charging electric vehicle batteries requires waiting time and there are still inadequate number of public electric vehicle charging stations (SPKLU) available in Indonesia. The remote-based charging feature is also an important that allows users to control the process of charging electric vehicles from the applications. SONIKApp is also connected in real-time to the SPKLU management system based on the OCPP 1.6 standard so that the data presented in the application is always up-to-date. This application is developed with the React Native front-end framework, so it can run on both Android and iOS operating systems. We have successfully created the SONIKApp mobile application which makes it easier for users to charge electric vehicles. SONIKApp has been tested for reservation and remote charging features based on OCPP 1.6, and the result is that the SONIKApp application has successfully implemented these features.  
CFPChain: Optimalisasi Sistem Seleksi Pendanaan Riset BRIN Menggunakan Pendekatan Berbasis Konsorsium Blockchain Ramdhani, Taufik Iqbal; Faiza, Ninon Nurul; Wulandari, Marini; Nastiti, Arti Dian; Kurniawan, Hartanto
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.20241116676

Abstract

Badan Riset dan Inovasi Nasional, Indonesia, menyediakan sistem seleksi pendanaan riset. Penelitian ini bertujuan untuk melakukan optimalisasi sistem seleksi pendanaan riset yang menggunakan teknologi blockchain untuk meningkatkan keamanan dan interoperabilitas sistem seleksi pendanaan penelitian. Saat ini, sistem pendanaan penelitian yang menggunakan sistem terpusat memiliki kekurangan dalam hal keamanan dan interoperabilitas. Masalah utama yang dihadapi sistem saat ini adalah modifikasi data, akuntabilitas transparan, dan kurangnya interoperabilitas. Pendekatan blockchain dapat memecahkan masalah ini dengan menyediakan keamanan tinggi, kemampuan audit, dan integritas data. Penelitian ini menggunakan Hyperledger Fabric (HLF) sebagai platform blockchain karena efisiensi tinggi dan kemampuan keamanannya. Arsitektur sistem pendanaan penelitian menggunakan skenario bisnis, koleksi buku besar, dan kebijakan jaringan. Implementasi sistem ini dilakukan dengan memanfaatkan fitur-fitur blockchain seperti imutabilitas, auditabilitas, dan interoperabilitas. Hasil penelitian menunjukkan bahwa penggunaan blockchain dalam sistem pendanaan penelitian dapat meningkatkan integritas data, memungkinkan audit yang jelas, dan memfasilitasi pertukaran data antar sistem. Penelitian ini memberikan kontribusi ilmiah dalam menyediakan arsitektur sistem yang aman, akuntabel, dan interoperabel untuk pendanaan riset dengan hasil peningkatan kemampuan keamanan dengan pengurangan kinerja secara minimal. Penelitian selanjutnya dapat fokus pada keamanan dokumen dan kerahasiaan dalam sistem blockchain. 
Information System Success Model untuk Evaluasi Sistem Informasi Penataan Ruang Kota berbasis Geographic Information System (GIS) Sari, Heni Vidia; Aknuranda, Ismiarta; Ramdani, Fatwa
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.2023106722

Abstract

Sistem Penataan Ruang (Sipetarung) Kota Malang adalah SI berbasis GIS pada sektor publik yang merupakan salah satu bentuk investasi pemerintah Kota Malang. Investasi SI pada bidang TI bagi organisasi berguna sebagai sarana informasi dan komunikasi yang lebih efisien serta mempunyai peranan yang penting untuk organisasi dalam mencapai kesuksesan penerapan SI. Sayangnya dalam penerapan TI masih sering ditemukan adanya IT Productivity Paradox. Untuk mengetahui hal tersebut diperlukan sebuah evaluasi kesuksesan SI.Untuk melakukan evaluasi kesuksesan SI terdapat model kesuksesan yang dapat digunakan salah satunya adalah model kesuksesan DeLone & McLean (D&M). Namun, menarik untuk diketahui apakah model D&M sudah cukup komprehensif untuk mengevaluasi GIS pada sektor publik seperti Sipetarung. Dimana terdapat kelangkaan umum pada model dan kerangka kerja untuk mengukur kesuksesan GIS seperti informasi spasial dan fitur geovisualisasi berbentuk peta. Teknologi GIS seperti Sipetarung menjadi suatu hal yang unik terlebih pada sektor publik yang memerlukan keterlibatan pengguna sebagai salah satu pendukung kesuksesannya. Keterlibatan pengguna dalam hal ini adalah kemampuan pengguna dalam mengoperasikan Sipetarung yang membutuhkan lebih dari keterampilan komputer dasar dalam penggunaanya terlebih untuk orang awam. Sehingga, masih terdapat faktor-faktor relevan yang terabaikan, yang dapat berkontribusi terhadap kesuksesan GIS pada sektor publik seperti Sipetarung dan belum tercakup dalam model D&M. Dengan demikian pada penelitian ini dilakukan pengembangan model evaluasi kesuksesan GIS pada sektor publik seperti Sipetarung dengan mengadopsi model D&M dan mempertimbangkan faktor-faktor yang dapat berpengaruh terhadap kesuksesan.Model evaluasi kesuksesan yang dikembangkan terdiri dari 7 variabel, 28 indikator dan 35 prediktor. Dari tujuh variabel ini dikembangkan menjadi 153 pertanyaan sebagai instrumen penelitian yang disebarkan kepada 100 responden. Hasil urutan saran atau rekomendasi perbaikan dan pengembangan Sipetarung di masa mendatang dari hasil rata-rata variabel penelitian berdasarkan quality yaitu bisa dimulai dari service quality, system quality kemudian information quality nya. Terdapat 17 hipotesis yang dirumuskan untuk melihat hubungan antar dimensi yang menjadi variabel kesuksesan yang dikembangkan. Dari 17 hipotesis yang diajukan, 11 hipotesis diterima dan 6 hipotesis diantaranya ditolak. Secara umum model kesuksesan yang dikembangkan dapat menjelaskan dengan cukup baik mengenai hubungan sebab akibat terhadap variabel-variabel yang saling berasosiasi, sehingga model kesuksesan yang dikembangkan ini dapat dinyatakan valid untuk mengevaluasi kesuksesan Sipetarung.AbstractUrban Planning System (Sipetarung) of Malang City is a GIS-based IS (Information System) in the public sector, which is a form of investment program conducted by the government of Malang City. For IT organizations, IS is a means of information and communication which is more efficient and plays an important role to implement IS successfully. Unfortunately, the IT Productivity Paradox is commonly found in the implementation of IT. Therefore, it is required to analyze and evaluate the successful implementation of IS.There are several models that can be used to evaluate the implementation of IS, including DeLone & McLean (D&M) model. However, it is interesting to find out whether the D&M model is comprehensive enough to evaluate GIS in the public sector like Sipetarung, in which models and frameworks for measuring the success of GIS, such as spatial information and geovisualization features in the form of map, are rare to be found. Sipetarung is an example of unique GIS technology, especially in the public sector, in which user involvement is a variable for its success. In this case, user involvement includes the user capability to operate Sipetarung, which is more difficult to use, especially for commoners. There are relevant factors that can contribute to the success of GIS in the public sector such as Sipetarung and have not been included in the D&M model. Therefore, this study developed the success evaluation model of GIS in the public sector such as Sipetarung by adopting the D&M model and considering factors which could potentially lead to success.The success evaluation model consists of 7 variables, 28 indicators and 35 predictors. Those variables were used as research instruments, developed into 153 questions and distributed to 100 respondents. Based on the average results of research variables based on quality, Sipetarung can be improved starting from service quality, system quality, and information quality. There are 17 hypotheses formulated to examine the relationship among dimensions which are the success variables. Out of the 17 hypotheses proposed, 11 hypotheses were accepted, while 6 hypotheses were rejected. In general, the success model can explain the causal relationship between the associated variables quite well; therefore, the success model developed in this study is a valid measure for evaluating the success of Sipetarung.
Pemodelan Objek Budaya Keris Berbasis Semantic Web Susanto, Budi; Antarani, Mariaty Octavia; Virginia, Gloria; Proboyekti, Umi
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.20241116727

Abstract

Keris merupakan objek budaya Indonesia yang tergolong belati, yaitu senjata ‘bermata dua’ yang bilahnya ada yang lurus dan yang luk. Keris memiliki data deskripsi, meliputi bilah, warangka, jejeran, mendhak, pendhok, ganja, pesi, dhapur, tangguh, pamor, fungsi dan kegunaan, tradisi perlakuan dan penilaian keris. Begitu luasnya deskripsi informasi dari objek keris, menuntut tersedianya suatu infrastruktur yang mendukung representasi pengetahuan objek keris. Salah satu pendekatan yang dapat dilakukan adalah dengan kerangka semantic web dan direpresentasikan dalam bentuk ontologi. Metode yang digunakan pada penelitian ini adalah on-to-knowledge. Tahapan dari metode ini adalah feasibility, kick-off, refinement, evaluasi, serta aplikasi dan evolusi. Tetapi dalam membangun ontologi keris hanya digunakan empat tahapan, sedangkan tahapan ke lima tidak digunakan. Feasibility adalah tahap uji kelayakan penelitian. Kick-off adalah tahapan permulaan penelitian. Refinement adalah tahapan membangun graf yang sempurna dengan aplikasi Protégé. Evaluasi adalah tahapan evaluasi logika ontologi, dengan menggunakan reasoner hermit dan DL query pada Protégé. Penelitian ini melaporkan hasil dari tahapan yang dilakukan dalam implementasi metode on-to-knowledge. Hasil akhir penelitian ini adalah representasi pengetahuan objek budaya keris berbasis OWL. 
Klasifikasi Jenis Ikan Laut K-Nearest Neighbor Berdasarkan Ekstraksi Ciri 2-Dimensional Linear Discriminant Analysis Al Iman, Yusraka Dimas; Isnanto, R Rizal; Nurhayati, Oky Dwi
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.2024106787

Abstract

Indonesia adalah suatu negara kepulaun yang memiliki 2/3 wilayah lautan, secara sektor indonesia memiliki potensi pangan yang sangan besar dalam sektor perikanan. Ikan di dunia yang berhasil diuraikan sebanyak 27.000 terutama paling banyak dilaut indonesai. Ikan adalah salah satu keanekaragaman biologi yang menyusun ekosistem bahari. Ikan mempunyai bentuk serta ukuran eksklusif yang berbeda jenis yang satu dangan jenis yang lain. Pengenalan spesies ikan umumnya dilakukan secara manual dengan pengamatan mata. Tujuan penelitian ini untuk mengenali spesies ikan laut. 2-Dimensional Linear Discriminant Analysis (2D-LDA) dipergunakan untuk ekstraksi ciri dan K-Nearest Neighbor (K-NN) dipergunakan untuk klasifikasi jenis ikan laut. Fitur 2-Dimensional Linear Discriminant Analysis (2D-LDA) yang diekstraksi untuk menghasilkan dua matrik baru yaitu matrik score. Klasifikasi menggunakan metode K-Nearest Neighbor (K-NN) dengan membandingkan nilai k-n. Penelitian ini menggunakan 5 jenis ikan laut, dengan total data latih 800 gambar dan data uji 160 gambar. Hasil percobaan tebaik diperoleh k-9 dengan tingkat akurasi terbaik sebesar 93,12%, presisi 82,05%, recall 100%, dan F-1 score 90,14%.AbstractIndonesia is an archipelagic country which has 2/3 of the sea area, in terms of sector Indonesia has enormous food potential in the fisheries sector. There are 27,000 fish in the world that have been successfully described, especially in the Indonesian seas. Fish is one of the biological diversity that makes up the marine ecosystem. Fish have specific shapes and sizes that differ from one type to another. The identification of fish species is generally done manually by eye observation. The purpose of this research is to identify marine fish species. 2-Dimensional Linear Discriminant Analysis (2D-LDA) is used for feature extraction and K-Nearest Neighbor (K-NN) is used for classification of marine fish species. The 2-Dimensional Linear Discriminant Analysis (2D-LDA) features were extracted to produce two new matrices, namely the score matrix. The classification uses the K-Nearest Neighbor (K-NN) method by comparing the k-n values. This study used 5 types of marine fish, with a total of 800 images of training data and 160 images of test data. The best experimental results were obtained by k-9 with the best accuracy rate of 93.12%, precision of 82.05%, recall of 100%, and F-1 score of 90.14%.
Model Agile Scrum untuk Pengembangan Sistem Pencarian Dokumen Surat Digital Berbasis Konten Terklasifikasi dengan Ontologi Arief, Rifiana; Widodo, Suryarini; Kurniawan, Ary Bima; Hustinawaty, Hustinawaty; Arkan, Faisal
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 6: Desember 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106817

Abstract

Berbagai lembaga pemerintah di Indonesia memodernisasi dokumen persuratan secara digital. Pada sistem pencarian yang ada saat ini, pengarsipan dengan melakukan pengunggahan dokumen hasil pindaian surat, pengklasifikasian surat dan penamaan file surat/pembuatan anotasi masih dilakukan secara manual oleh operator, pencarian masih berdasar nama file/anotasi surat belum berdasar isi konten sehingga sulit menemukan surat sesuai konten teks yang diinginkan. Hasil pencarian juga tidak dapat langsung memperlihatkan informasi spesifik tentang kriteria klasifikasi dari dokumen surat yang diketemukan sehingga membutuhkan penelusuran lebih lama untuk betul-betul menemukan dokumen yang diinginkan. Tujuan penelitian ini adalah mengembangkan sistem pencarian surat berbasis konten terklasifikasi dengan ontologi guna meningkatkan kualitas hasil pencarian surat digital secara lebih efisien (spesifik, akurat dan cepat). Metode pengembangan sistem menggunakan model Agile Scrum. Mencakup pre-game (mengumpulkan user stories, product backlog, sprint backlog), game (pengembangan (5 sprint)), post-game (implementasi, penerimaan pengguna dan dokumentasi). Hasil uji coba sistem terhadap dokumen surat Biro Umum Kemdikbud menunjukkan bahwa dalam pengarsipan surat, sistem ini berhasil mengklasifikasikan surat (jenis, asal dan subjek surat) menurut prosedur persuratan yang valid, secara otomatis dengan bantuan kecerdasan artifisial, dan dalam proses pencarian surat, sistem ini berhasil menemukan dokumen surat dengan berdasarkan nama file, konten, kriteria klasifikasi dan menampilkan informasi ontologis rinci yang ditemukan. Kedepannya, sistem ini juga dapat dikembangkan untuk digunakan oleh institusi lain dengan mengubah klasifikasi sesuai dengan prosedur persuratan yang berlaku.   Abstract Various government institutions in Indonesia have modernized digital correspondence documents. Archiving is done by uploading scanned letters, classifying letters, and naming mail files/annotations by the operator, searches are not based on content, so it is difficult to find letters that have the desired content, search results also cannot immediately show information of classification criteria of the found mailing documents, so it requires a longer search actually to find the desired document. Research objectives develop a classified content-based mail search system with ontology to improve the quality of electronic correspondence search results more efficiently. The system development method uses the Agile Scrum model. Includes pre-game (collecting user stories, product backlog, sprint backlog), game (development (5 sprints)), and post-game (implementation, user acceptance and documentation).The results of the system trial on the Ministry of Education and Culture's General Bureau of Letter Documents show that during the archiving of the letter, this system succeeded in classifying the letter (type, origin and subject of the letter) according to valid comprehension procedures, automatically with the assistance of artificial intelligence, and in the process of searching for letters, the system This managed to find a letter document based on the file name, content, classification criteria and display detailed ontological information found. In the future, this system can also be developed for use by other institutions by changing the classification in accordance with the comprehension procedures.
Analisis Perbandingan Algoritma Machine Learning dan Deep Learning untuk Klasifikasi Citra Sistem Isyarat Bahasa Indonesia (SIBI) Naufal, Mohammad Farid; Kusuma, Selvia Ferdiana
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.2024106823

Abstract

Terdapat orang yang tidak mampu berkomunikasi secara verbal yang menyebabkan kesulitan dalam berkomunikasi. Orang tersebut mengalami gangguan seperti tuli atau bisu. Mereka hanya dapat berkomunikasi melalui bahasa isyarat salah satunya adalah Sistem Isyarat Bahasa Indonesia (SIBI). Pengenalan Bahasa Isyarat adalah permasalahan klasifikasi yang kompleks untuk dipecahkan. Setiap bahasa isyarat memiliki sintaks dan tata bahasanya sendiri. Computer vision adalah sebuah Teknik yang digunakan komputer untuk melakukan klasifikasi citra. Computer vision membantu pengenalan citra SIBI secara otomatis sehingga memudahkan orang normal berkomunikasi dengan orang tuli atau bisu. Pada penelitian sebelumnya belum ada yang melakukan perbandingan algoritma klasifikasi machine learning dan deep learning untuk pengenalan SIBI. Perbandingan penting dilakukan untuk melihat efektifitas tiap algoritma klasifikasi dalam hal performa klasifikasi dan waktu komputasi. Algoritma klasifikasi machine learning memiliki waktu komputasi lebih rendah sedangkan Deep learning memiliki performa klasifikasi lebih tinggi. Penelitian ini menganalisis time to performance dari algoritma machine learning dan deep learning dalam melakukan klasifikasi citra SIBI huruf A hingga Z. K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Convolutional neural network (CNN) dengan transfer learning adalah tiga algorimta klasifikasi populer yang dibandingkan dalam penelitian ini. Arsitektur transfer learning yang digunakan adalah Xception, ResNet50, VGG15, dan MobileNetV2. Dari hasil penelitian yang dilakukan menggunakan 5 cross validation, CNN dengan arsitektur Xception memiliki nilai F1 Score tertinggi yaitu 99,57% dengan waktu training rata-rata 1.387 detik. Sedangkan KNN dengan nilai K = 1 memiliki waktu training tercepat yaitu 0,03 detik dan memiliki nilai F1 Score 86,95%.AbstractThe person who has a disorder such as deaf or dumb are unable to communicate verbally, which causes difficulties in communicating. They can only communicate through sign language, one of which is the Indonesian Language Sign System or Sistem Isyarat Bahasa Indonesia (SIBI). Sign Language Recognition is a complex classification problem to solve. Each sign language has its syntax and grammar. Computer vision is a technique used by computers to classify images. Computer vision helps automatically recognize SIBI images, making it easier for normal people to communicate with deaf or mute people. In previous studies, no one has compared machine learning and deep learning classification algorithms for the classification of SIBI. Therefore, a meaningful comparison is made to see each classification algorithm's effectiveness in classification performance and computation time. Machine learning classification algorithms have lower computation time, while Deep learning has higher classification performance. This study analyzes the time to performance of machine learning and deep learning algorithms in classifying SIBI images of letters A to Z. K-Nearest Neighbors (KNN), Support Vector Machine (SVM), and Convolutional neural network (CNN) with transfer learning are three popular classification algorithms compared in this study. The transfer learning architectures used are Xception, ResNet50, VGG15, and MobileNetV2. The results of research conducted using 5 cross-validation, CNN with the Xception architecture has highest F1 Score of 99.57%, with an average training time of 1.387 seconds. KNN, with a value of K = 1, has the fastest training time of 0.03 seconds and an F1 Score of 86.95%.
Peningkatan Performa Ensemble Learning pada Segmentasi Semantik Gambar dengan Teknik Oversampling untuk Class Imbalance Nugroho, Arie; Soeleman, M. Arief; Pramunendar, Ricardus Anggi; Affandy, Affandy; Nurhindarto, Aris
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.2024106831

Abstract

Perkembangan teknologi dan gaya hidup manusia yang semakin tinggi menghasilkan data-data yang berlimpah. Data-data tersebut dapat berbentuk data yang terstruktur dan tidak terstruktur. Data gambar termasuk dalam data yang tidak terstruktur. Aktifitas dan objek yang terekam dalam suatu gambar beraneka ragam. Secara normal, mata manusia dapat dengan mudah membedakan antara foreground dan background dari suatu gambar, tetapi komputer membutuhkan pembelajaran dalam membedakan keduanya. Segmentasi gambar adalah salah satu bidang dalam computer vision yang membahas bagaimana cara komputer mempelajari dan mengenali segmen dari suatu gambar sesuai label yang ditentukan. Dalam kenyataannya banyak data yang mempunyai class atau label yang tidak seimbang, tentunya akan mempengaruhi tingkat akurasi dari suatu prediksi. Dalam riset ini membahas bagaimana meningkatkan akurasi segmentasi semantik gambar pada metode ensemble learning untuk menangani masalah data yang tidak seimbang dalam segmentasi gambar. Teknik yang digunakan adalah sintetis oversampling sehingga menghasilkan data yang seimbang dan akurasi yang tinggi. Metode ensemble learning yang digunakan adalah Random Forest dan Light Gradien Boosting Machine (LGBM). Dengan menggunakan dataset Penn-Fudan Database for Pedestrian yang mengandung imbalanced class. Penggunaan teknik sintetis oversampling dapat memperbaikki tingkat akurasi pada class minoritas. Pada algoritma random forest mengalami peningkatan akurasi sebesar 37 % sedangkan pada algoritma LGBM meningkat sebesar 41 %. AbstractThe development of technology and the increasingly high lifestyle of humans produce abundant data. These data can be in the form of structured and unstructured data. Image data is included in unstructured data. The activities and objects recorded in a picture are varied. Normally, the human eye can easily distinguish between the foreground and background of an image, but computers need learning to distinguish between the two. Image segmentation is one of the fields in computer vision that discusses how computers learn and recognize segments of an image according to specified labels. In reality, a lot of data has unbalanced classes or labels, of course, it will affect the accuracy of a prediction. This research discusses how to improve the accuracy of image semantic segmentation in the ensemble learning method to deal with the problem of unbalanced data in image segmentation. The technique used is synthetic oversampling so as to produce balanced data and high accuracy. The ensemble learning methods used are Random Forest and Light Gradient Boosting Machine (LGBM). By using the Penn-Fudan Database for Pedestrian dataset which contains a imbalanced class. The use of synthetic oversampling techniques can improve the level of accuracy in minority classes. The random forest algorithm experienced an increase in accuracy by 37% while the LGBM algorithm increased by 41%.
Optimasi Rute Rencana Perjalanan Pesawat Menggunakan Algoritma Late Acceptance Hill Climbing (Studi Kasus : Travelling Salesman Challenge 2.0) Muklason, Ahmad; Premananda, I Gusti Agung
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.2024106842

Abstract

Permasalahan Traveling Salesman Problem (TSP) merupakan permasalahan klasik yang popular diteliti dalam bidang optimasi kombinatorika. Permasalahan ini bertujuan menentukan rute perjalanan terpendek untuk  mengunjungi setiap lokasi tepat satu kali dan diakhir perjalanan harus kembali ke lokasi awal perjalanan dimulai. Permasalahan ini telah digolongkan sebagai permasalahan NP-Hard, sehingga membutuhkan algoritma non-deterministic untuk dapat menyelesaikan permasalahan ini. Dalam permasalahan nyata, salah satu penerapan TSP ada pada permasalahan untuk menentukan rute perjalanan termurah untuk mengunjungi beberapa kota di beberapa negara. Kompetisi Travelling Salesman Challenge 2.0 (TSC 2.0) mengangkat permasalahan ini dalam sebuah kompetisi pada tahun 2018. Untuk menyelesaikan studi kasus tersebut, penelitian ini menyembangkan algoritma Late Acceptance Hill Climbing (LAHC) menggunakan metode hiper-heuristik. Algoritma LAHC merupakan algoritma yang sederhana namun telah terbukti mampu mengoptimasi dengan baik pada beberapa permasalahan TSP. Algoritma LAHC diuji coba pada 14 dataset dari TSC 2.0. Hasil penelitian menunjukan algoritma LAHC menghasilkan solusi yang kompetitif dengan mampu menurunkan biaya perjalanan dengan rata-rata 58% dan menghasilkan hasil yang lebih baik dengan rata-rata 9% dari algoritma Threshold Acceptance (TA) yang digunakan sebagai algoritma pembanding. AbstractThe Traveling Salesman Problem (TSP) is a classic problem that is popularly researched in the field of combinatorics optimization. This problem aims to determine the shortest travel route to visit each location exactly once and, at the end of the trip, must return to where the trip started. This problem has been classified as an NP-Hard problem. Therefore it requires a non-deterministic algorithm to solve it. In the real world, one of the applications of TSP is the problem of determining the cheapest travel routes to visit several cities in several countries. The Traveling Salesman Challenge 2.0 (TSC 2.0) competition raised this issue in a competition in 2018. This study developed the Late Acceptance Hill Climbing (LAHC) algorithm using the hyper-heuristic method to complete the case study from TSC 2.0. The LAHC algorithm is simple but has been proven to optimize well for several TSP problems. The LAHC algorithm was tested on 14 datasets from TSC 2.0. The results show that the LAHC algorithm produces competitive solutions by reducing travel costs by an average of 58% and making better results by an average of 9% than the Threshold Acceptance (TA) algorithm used as a comparison algorithm.

Page 94 of 129 | Total Record : 1288

 92   93   94   95   96 

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