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
 94   95   96   97   98 
Clustering Gempabumi di Wilayah Regional VII Menggunakan Pendekatan DBSCAN Arafat, Ihsan Bagus Fahad; Hariyadi, Mokhamad Amin; Santoso, Irwan Budi; Crysdian, Cahyo
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.2024106918

Abstract

Wilayah Regional VII meliputi Jawa Tengah, Yogyakarta, dan Jawa Timur merupakan wilayah tektonik yang aktif karena terletak di wilayah zona subduksi lempeng Indo-Australia dan Eurasia serta terdapat beberapa patahan aktif di daratan. Oleh karena itu, perlu dilakukan klasifikasi gempabumi untuk memetakan zona rawan gempabumi berdasarkan sumbernya di wilayah Regional VII berdasarkan kesamaan atribut salah satunya adalah berdasarkan karakteristik gempabumi dari sumber yang sama. Pada penelitian ini digunakan pendekatan algoritma Unsupervised Learning Clustering berbasis kepadatan yaitu, Density Based Spatial Clustering of Application with Noise atau DBSCAN, algoritma ini membutuhkan parameter input epsilon (ε) dan MinPts. Data yang digunakan pada penelitian ini adalah data gempabumi wilayah Regional VII tahun 2017 hingga 2021 yang diperoleh dari BMKG. Selanjutnya, proses clustering dilakukan dengan membagi data gempabumi berdasarkan periode yaitu periode tahunan dan periode lima tahun dengan tujuan untuk mengetahui pola cluster berdasarkan periode waktu. Hasil yang terbentuk selanjutnya dievaluasi menggunakan Silhouette Coefficient serta dibandingkan dengan peta Seismisitas Jawa yang telah ada dari katalog PuSGeN 2017. Hasil clustering menggunakan DBSCAN diperoleh jumlah cluster sebanyak 2 hingga 6 cluster dengan nilai Silhouette Coefficient terendah sebesar 0.270 untuk periode T5_2017-2021 dan tertinggi sebesar 0.499 untuk periode T1_2020. AbstractRegional VII area covering Central Java, Yogyakarta and East Java is an active tectonic region because it is located in the subduction zone of the Indo-Australian and Eurasian plates and there are several active faults on land. Therefore, it is necessary to classify earthquakes to map earthquake-prone zones based on their sources in Regional VII area based on the similarity of attibutes, based on the characteristics of earthquakes from the same source. In this study, a density-based Unsupervised Learning Clustering algorithm approach was used namely, Density Based Spatial Clustering of Application with Noise or DBSCAN, this algorithm requires the input parameters epsilon (ε) and MinPts. The data used in this study are earthquake data for Regional VII from 2017 to 2021 obtained from the BMKG. Then, the clustering process is carried out by dividing earthquake data based on the period, namely the annual period and the five-year period with the aim of knowing the pattern of cluster based on the time period. The results are then evaluated using the Sillhouette Coefficient and compared with the existing Java Seismicity map from the 2017 PuSGeN catalog. Clustering results using DBSCAN obtained a number of clusters of 2 to 6 clusters with the lowest Silhouette Coefficient value is 0.270 for the T5_2017-2021 period and the highest is 0.499 for the T1_2020 period.  
Analisis Faktor dan Metode untuk Menentukan Tipe Kulit Wajah: Tinjauan Literatur Kusumaningrum, Shinta Dewi; Muhimmah, Izzati
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.2024106955

Abstract

Kulit merupakan bagian pelindung terluar yang melapisi sebagian besar dari tubuh manusia. Kulit wajah menjadi bagian kulit paling sensitif sehingga lebih mudah bermasalah dibanding yang lainnya. Perawatan kulit wajah yang tidak tepat dapat menyebabkan timbulnya permasalahan kulit wajah yang baru atau bahkan memperburuk permasalahan sebelumnya. Mendeteksi tipe kulit menjadi langkah awal dalam pengobatan maupun perawatan. Selama ini, penentuan tipe kulit wajah harus dengan keterampilan dokter atau tenaga kesehatan dengan dibantu alat yang mahal dan sulit dimiliki, tetapi dengan adanya perkembangan teknologi saat ini memudahkan seseorang untuk menentukan tipe kulit wajah dengan lebih praktis dan mudah tanpa harus ke dokter. Dari beberapa penelitian yang telah dilakukan sebelumnya, tipe kulit wajah maupun penyakit yang timbul pada area wajah dapat dideteksi melalui pembelajaran citra dengan berbagai macam metode. Data citra yang digunakan sebagai pembelajaran berupa citra digital maupun citra mikroskopis yang kemudian diolah dengan berbagai metode ekstraksi ciri hingga diteruskan dengan klasifikasi tipe kulit. Proses tinjauan literatur menggunakan metode scoping review yang mengidentifikasi setiap literatur secara mendalam. Literatur yang digunakan disesuaikan dengan kriteria yang telah ditentukan seperti topik pembahasan, ketersediaan literatur full text, dan abstrak. Tinjauan literatur ini menunjukkan bahwa akurasi pengolahan citra tidak hanya ditentukan berdasarkan metode, melainkan terdapat faktor lain seperti jumlah dan kualitas dataset yang digunakan serta ekstraksi ciri yang dilakukan. Hasil dari tinjauan literatur ini memberikan gambaran mengenai studi yang relevan dengan topik, perbedaan setiap literatur yang dibahas serta bermanfaat bagi peneliti yang akan mengembangkan teknologi pengolahan citra untuk menentukan tipe kulit wajah. AbstractSkin is the outer protective part that covers most of the human body. Facial skin is the most sensitive part of the skin hence it is more prone to problems than other parts. Improper facial skin care can cause new facial skin problems or even aggravate the previous problems. Detecting on the skin type is the first step in treatment or care. So far, determining the type of facial skin must be with the skills of a doctor or health worker with the help of tools that are expensive and difficult to have, but with current technological developments it makes it easier for someone to determine the type of facial skin more practically and easily without having to see a doctor. From the several previous studies, facial skin types and diseases that emerge in the facial area can be detected through image learning using various methods. Image data used as learning is in the form of digital images and microscopic images which are then processed using various feature extraction methods and then continued with skin type classification. The literature review process uses the scoping review method which identifies each literature in depth. The literature used is adjusted to predetermined the criteria such as the topic of discussion, the availability of full text literature, and the abstraction. This literature review shows that the accuracy of image processing is not only determined based on the method, but there are also other factors such as the number and quality of the datasets used and the feature extraction performed. The results of this literature review provide an overview of studies that are relevant to the topic, the differences in each literature discussed and are useful for researchers who will develop image processing technology to determine the type of facial skin.
Sistem Identifikasi Kesehatan Berdasarkan Detak Jantung, Kadar Oksigen, dan Suhu Tubuh Menggunakan Metode Fuzzy Mamdani Naviaddin, Arsal Wildan; Prasetio, Barlian Henryranu; Primananda, Rakhmadhany
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.2023106956

Abstract

Kesehatan merupakan faktor penting dalam kehidupan manusia. Oleh karena itu, dalam paper ini kami menawarkan pendekatan efektif dan efisien dalam mendeteksi dini kesehatan. Deteksi dini dapat menghindari berbagai faktor risiko penyakit dan dapat terhindar dari komplikasi, serta menghemat biaya pengobatan. Sebagian besar alat deteksi kesehatan menggunakan metode invasif, sementara sistem kami menggunakan pendekatan contactless. Sensor pulse Oximater MAX30100 dan sensor suhu MLX90614 digunakan untuk mengukur tingkat saturasi oksigen, detak jantung dan suhu tubuh. Kemudian, kedua data sensor tersebut dikirim ke Google Firebase dengan memanfaatkan fitur layanan realtime database sehingga data dapat ditampilkan secara langsung di aplikasi android. Kedua sensor dihubungkan pada mikrokontroler NodeMCU ESP8266, lalu data hasil pengukuran sensor beserta perhitungan fuzzy dikirim ke database Firebase agar dapat ditampilkan pada smartphone. Hasil dari penelitian ini adalah akurasi pembacaan sensor suhu MLX90614 dan pulse oximater MAX30100 dibandingkan alat yang sudah ada didapatkan pengukuran suhu mendapatkan nilai MAPE sebesar 0.964 %, pengukuran saturasi mendapatkan nilai MAPE 0 %, dan pengukuran detak jantung didapatkan MAPE 1.581 %. Dari ketiga pengukuran didapatkan nilai MAPE dibawah 10% sehingga dapat dikategorikan pengukuran akurat dan kinerja metode fuzzy mamdani dalam mengklasifikasikan kondisi kesehatan sangat baik dan akurat.   Abstract   Health is an important factor in human life. Therefore, in this paper we offer an effective and efficient approach in early detection of health. Early detection can avoid various risk factors for disease and can avoid complications, as well as save on medical costs. Most medical detection systems use invasive methods, while our system uses a contactless approach. The MAX30100 Oximater pulse sensor and MLX90614 temperature sensor are used to measure oxygen saturation level, heart rate and body temperature. Then, the two-sensor data are sent to Google Firebase by utilizing the real-time database service feature so that the data can be displayed directly in the Android application. The two sensors are connected to the NodeMCU ESP8266 microcontroller, then the sensor measurement results data along with the fuzzy calculations are sent to the Firebase database so that they can be displayed on a smartphone. The results of this study are the accuracy of the readings of the MLX90614 temperature sensor and the MAX30100 pulse oximeter compared to existing devices, the temperature measurement gets a MAPE value of 0.964 %, the saturation measurement gets a MAPE value of 0 %, and the heart rate measurement gets a MAPE of 1.581 %. From the three measurements, the MAPE value was below 10% so that it could be categorized as an accurate measurement and the performance of the Mamdani fuzzy method in classifying health conditions was very good and accurate.
Penerapan Deep Convolutional Generative Adversarial Network Untuk Menciptakan Data Sintesis Perilaku Pengemudi Dalam Berkendara Stephen Lui, Michael; Abdurrachman Bachtiar, Fitra; Yudistira, Novanto
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.2023106978

Abstract

Kecelakaan kendaraan adalah salah satu penyebab kematian tertinggi di Indonesia. Salah satu solusi untuk mencegah kecelakaan adalah dengan menggunakan sensor eksternal untuk mendeteksi kondisi jalan. Namun, penyebab utama kecelakaan adalah kelalaian pengemudi ketika mengemudi yang tidak dapat terdeteksi oleh sensor eksternal. Sensor visual dapat mendeteksi perilaku pengemudi di dalam kendaraan. Penggunaan sensor visual memiliki performa yang lebih baik ketika menggunakan metode deep learning. Salah satu metode untuk meningkatkan performa metode deep learning adalah dengan menggunakan data sintesis hasil model generatif sebagai tambahan data. Deep Convolutional Generative Adversarial Network (DCGAN) adalah salah satu model generatif yang menggunakan lapisan konvolusi. DCGAN terdiri dari dua neural network bernama generator dan discriminator yang membentuk hubungan ­zero-sum game. Generator menerima masukan berupa gambar asli dengan tambahan noise sebagai input proses latih secara unsupervised, menghasilkan gambar sintesis, sedangkan discriminator menerima gambar asli dan gambar sintesis sebagai input dan menghitung keaslian gambar yang selanjutnya digunakan sebagai nilai loss dengan fungsi loss Binary Cross Entropy. Arsitektur DCGAN terdiri dari beberapa transposed convolutional layer dengan batch normalization dan fungsi aktivasi ReLU dan fungsi aktivasi Tanh sebagai output layer pada generator dan beberapa convolutional layer dengan batch normalization dan fungsi aktivasi Leaky ReLU dan fungsi aktivasi Sigmoid sebagai output layer pada discriminator. Dataset yang digunakan pada penelitian ini adalah dataset ISDDS perilaku umum pengemudi yang dikumpulan pada skenario simulasi dengan jumlah dua ribu gambar. Hasil pengujian menemukan bahwa nilai hyperparameter dapat menghasilkan gambar sintesis perilaku pengemudi di dalam kendaraan yang baik dengan nilai FID sebesar 274,16 pada learning rate discriminator pada 0,0001, β1 discriminator pada 0,8005, learning rate generator pada 0,0017, β1 generator pada 0,1138 selama 43 epoch dengan menggunakan optimizer Adam pada generator dan discriminator.   Abstract Vehicle crash is one of the leading causes of death in Indonesia. One of the solutions to prevent vehicle crash is by using external sensor to detect road condition. Yet, most crash happened because of driver distraction, which is hard to detect using external sensor. Visual sensor can be used to detect driver activity inside vehicle. Visual sensor that uses deep learning method performs well. One way to increase deep learning method performance is by using additional synthesis data made by generative model. Deep Convolutional Generative Adversarial Network (DCGAN) is a generative model that uses convolution layer. DCGAN consists of two neural networks titled generator and discriminator which create zero-sum game relationship. Generator will receive real image with added noise as input of unsupervised training process, creating synthetic image, while discriminator will receive real image and synthetic image as input and calculate the realness of those image which will be used as loss value with Binary Cross Entropy loss function. The Architecture of DCGAN is composed of multiple transposed convolutional layers with batch normalization and activation function ReLU and activation function Tanh as output layer in generator and multiple convolutional layers with batch normalization and activation function Leaky ReLU and activation function Sigmoid as output layer in discriminator. Dataset used in this research is primary dataset of common driver activity collected in simulation scenario with the size of two thousand images. Experiment result shows that DCGAN is able to create good image synthesis of driver activity inside vehicle with FID of 274,16 using hyperparameter consisting of learning rate discriminator at 0,0001, β1 discriminator at 0,8005, learning rate generator at 0,0017, β1 generator at 0,1138 for 43 epochs by using Adam optimizer on generator dan discriminator.
RAM-ROM sebagai Pendukung Algoritma Zigzag Scan Menggunakan Metode Pemetaan pada Kompresi Citra Real-Time Candra, Robby
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.2024106993

Abstract

Konsep pengiriman informasi yang meliputi berbagai macam format data dengan proses yang cepat (real-time) semakin dibutuhkan untuk berbagai kebutuhan, hal ini harus didukung dengan infrastruktur yang memadai baik saluran komunikasi, perangkat keras maupun aplikasi yang digunakan. Guna mendukung konsep real-time diperlukan 2 komponen Random Access Memory (RAM) yang dapat menyimpan data sehingga tidak terdapat antrian data. Hal ini bertujuan agar proses scan dapat berlangsung dengan cepat karena proses penulisan dan pembacaan koefisien Discrete Cosine Transform (DCT) dapat dilakukan secara bersamaan di kedua RAM tersebut. Proses yang dilakukan yaitu pada siklus clock yang sama RAM 1 melakukan proses penulisan dan RAM 2 melakukan proses pembacaan, pada siklus clock berikutnya RAM 1 melakukan proses pembacaan dan RAM 2 melakukan proses penulisan, sehingga RAM 1 dan RAM 2 dapat bekeja secara paralel, yaitu melakukan proses penulisan dan pembacaan secara bersamaan agar proses scan koefisien DCT dapat berlangsung dengan cepat. Hasil perancangan prototipe IC RAM dan ROM menggunakan FPGA dapat diimplementasikan untuk proses kompresi citra secara real-time. AbstractThe concept of sending information which includes various data formats with fast (real-time) processing is increasingly needed for various needs, this must be supported by adequate infrastructure, both communication channels, hardware and applications used. In order to support the real-time concept, 2 components of Random Access Memory (RAM) are needed which can store data so that there is no data queue. It is intended that the scanning process can take place quickly because the process of writing and reading the Discrete Cosine Transform (DCT) coefficients can be done simultaneously in both RAMs. The process that is carried out is that in the same clock cycle RAM 1 carries out the writing process and RAM 2 performs the reading process, in the next clock cycle RAM 1 carries out the reading process and RAM 2 carries out the writing process, so RAM 1 and RAM 2 can work in parallel, i.e. the process of writing and reading simultaneously so that the DCT coefficient scan process can take place quickly. The results of the IC RAM and ROM prototype design using FPGA can be implemented for real-time image compression process.
Implementasi Machine Learning dalam Deteksi Risiko Tinggi Diabetes Melitus pada Kehamilan Pinandito, Aryo; 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.2023107005

Abstract

Diabetes dalam kehamilan dapat meningkatkan berbagai risiko, baik pada maternal maupun neonatus. Adanya gangguan homeostasis glukosa dalam kehamilan dapat meningkatkan terjadinya malformasi kongenital, keguguran, risiko preeklampsia, Cepalo Pelvik Dispropotion (CPD), kelahiran prematur, kelainan letak, plasenta previa dan hipoglikemia neonatus. Oleh karena itu, diperlukan perhatian dan penanganan menyeluruh bagi ibu hamil yang menderita diabetes. Teknologi machine learning dapat dimanfaatkan dalam berbagai hal di bidang kesehatan. Salah satu dari pemanfaatan machine learning di bidang kesehatan adalah kemampuannya untuk mendeteksi risiko tinggi diabetus mellitus pada ibu hamil melalui berbagai data dan informasi seperti nama, usia, umur kehamilan, gravida, para, riwayat kehamilan, riwayat penyakit yang pernah diderita, faktor risiko, dan riwayat persalinan yang lalu. Proses persalinan ibu hamil dipengaruhi oleh faktor fisiologis dan faktor-faktor risiko lain yang dapat mempengaruhinya. Penelitian ini menggunakan dataset yang diperoleh dari data pemeriksaan ibu hamil di Puskesmas Lawang dari bulan Januari 2021 sampai dengan Agustus 2021 dan menggunakan16 atribut penting, yaitu: tanggal pengkajian, nama, tanggal HPHT, tanggal HPL, umur, GPA, usia kehamilan, KSPR, keterangan KSPR, IMT, kategori IMT, reduksi, albumin, hepatitis, HIV, dan IMS. Penelitian ini telah melakukan tahapan pengumpulan data, perancangan, implementasi, pengujian dan analisis data yang mengimplementasikan teknik machine learning K-Nearest Neighbor (KNN). Nilai akurasi tertinggi pada skenario pengujian pertama dengan atribut k=2 adalah 70.27%. Nilai akurasi tertinggi pada skenario pengujian kedua dengan k=3 adalah 75.68%. Nilai akurasi tertinggi pada skenario pengujian ketiga dengan k=4 adalah 78.38%. Sedangkan Nilai akurasi tertinggi pada skenario pengujian keempat dengan k=5 adalah 77.03%. Nilai akurasi tertinggi dicapai pada rasio sebesar 7:3 antara data latih dengan data testing. AbstractDiabetes in pregnancy can increase various risks, both maternal and neonatal. Disorders of glucose homeostasis in pregnancy can increase the occurrence of congenital malformations, miscarriage, risk of preeclampsia, Cepalo Pelvic Dispropotion (CPD), premature birth, malformations, placenta previa and neonatal hypoglycemia. Thorough attention and treatment is needed for pregnancy with diabetes. Machine learning technology can be used to detect the risk of diabetes mellitus in pregnancy. Several data such as name, age, gestational age, gravida, para, past pregnancy history, past medical history, risk factors, and past birth history were used in the risk detection. Delivery process in pregnancy is affected by the physiologic of prospective mother and several other risk factors.The dataset used in this study was 248 examination data of pregnancy check up at the Lawang Health Center from January 2021 to August 2021. The study used 16 attributes in determining the risk, i.e., date of assessment, name of mother, date of HPHT, date of HPL, age, GPA, gestational age, KSPR, KSPR information, BMI, BMI category, reduction, albumin, hepatitis, HIV, and STIs. This study has follow the implementation stages of data collection, design, implementation, testing and data analysis. The highest accuracy for the first test scenario with k=2 is 70.27%. The highest accuracy for the second test scenario with k=3 is 75.68%. The highest accuracy for the third test scenario with k=4 is 78.38%. While the highest accuracy for the fourth test scenario with k=5 is 77.03%. Highest accuracies were achieved with the distribution ratio of 7:3 between training and testing data.
Deteksi Persamaan Pola Gerakan pada Koreografi Tari Bali Maryati, Ni Made Rai; Antara Kesiman, Made Windu; Sunarya, I Made Gede
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.2023107012

Abstract

Tarian daerah memegang peranan penting dalam tatanan kehidupan masyarakat Bali. Tarian tidak hanya sebagai hiburan tetapi juga sebagai sarana dalam kegiatan upacara keagamaan serta merupakan aset pariwisata. Jenis tari Bali cukup banyak, namun sebagian pencipta tari Bali sudah tiada. Perkembangan teknologi saat ini diharapkan dapat ikut memberikan kontribusi dalam penciptaan tarian baru. Penelitian ini bertujuan untuk mendeteksi persamaan pola gerakan dan menghitung banyaknya gerakan yang sama pada dua atau lebih tarian berbeda yang dikelompokkan berdasarkan penciptanya. Dengan menemukan banyaknya gerakan yang sama dalam beberapa tari ciptaan seorang maestro maka ciri khas seperti variasi gerakan dan tempo tarian diharapkan dapat diketahui. Penelitian ini merupakan penelitian yang berada di bawah payung proyek COMPUDANCE (Computerization of Dances), dimana proyek ini bertujuan untuk menciptakan sebuah tarian baru dengan cara mempelajari ciri khas dari masing-masing pencipta tari Bali. Tarian baru yang tercipta tentunya memiliki nilai yang sangat tinggi karena sebagian maestro sudah tiada. Dataset dalam penelitian ini adalah 8 jenis tari Bali yang berasal dari 3 pencipta yang berbeda. Delapan tarian tersebut melipiti : Tari Margapati, Tari Panji Semirang dan Tari Wiranata diciptakan oleh I Nyoman Kaler; Tari Cendrawasih, Tari Puspanjali dan Tari Sekar Jagat diciptakan oleh N.L.N. Swasthi Wijaya Bandem; Tari Wiranjaya dan Tari Nelayan diciptakan oleh I Ketut Merdana. Untuk mendeteksi persamaan pola gerakan akan digunakan metode skeletonisasi, dilanjutkan dengan proses ekstraksi fitur bentuk menggunakan metode HOG. Data hasil ekstraksi dari satu tarian kemudian dibandingkan dengan tarian lainnya. Untuk mengukur tingkat kesamaan dari dua atau lebih citra yang berbeda digunakan metode eucledian distance, dimana akan dipilih 5 nilai ambang yaitu 1,15, 1,18, 1,20, 1,22 dan 1,25. Nilai ini didasarkan pada pengamatan secara visual yang dilakukan terhadap citra hasil proses skeletonisasi, dimana citra yang jika dilihat secara visual memiliki gerakan sama memiliki nilai ambang antara 1,15 sampai 1,25. Dengan menggunakan 5 nilai ambang tersebut didapatkan jumlah gerakan yang terdeteksi sama dari masing-masing tarian yang dikelompokkan berdasarkan penciptanya.  Dari analisa terhadap hasil penelitian dapat disimpulkan bahwa kelompok tari ciptaan I Nyoman Kaler memiliki gerakan yang paling dinamis dengan variasi gerakan yang banyak dan memiliki tempo tarian yang paling cepat. Diurutan berikutnya adalah tari ciptaan I Ketut Merdana. Kelompok tari yang memiliki jenis gerakan yang sedikit dan tempo gerakan yang paling lambat adalah kelompok tari ciptaan N.L.N. Swasthi Wijaya Bandem. Terdapat gerakan yang sebenarnya berbeda namun terdeteksi sama dan sebaliknya terdapat pula gerakan yang sebenarnya sama namun tidak terdeteksi.   Abstract   Traditional dances play an important role in the order of Balinese lives. Dances are not only an entertainment but also means of religious ceremonies and tourism assets. There are many types of Balinese dance, but some of the maestro are gone. Technology is expected to contribute of the new dances creation. The objective of this study is to detect the similarity of movement patterns in Balinese dances choreography and to calculate the same movements of several Balinese dances grouped by creator. By finding the number of the same movements in several dances that was created by a maestro, the characteristics such as variations of movements and dance tempos can be identified. This research was conducted under the framework of Project COMPUDANCE (Computerization of Dances), the goal of this project is to create a new dance by identifiying the characteristics of each Balinese dance creator. The newly created dances must have a very high value because some maestros are gone. Dataset in this study are 8 types of Balinese dances come from 3 different maestros. They are Margapati Dance, Panji Semirang Dance and Wiranata Dance were created by I Nyoman Kaler; Cendrawasih Dance, Puspanjali Dance and Sekar Jagat Dance were created by N.L.N. Swasthi Wijaya Bandem; Wiranjaya Dance and Nelayan Dance were created by I Ketut Merdana. To detecting the similarity of movement patterns we use skeletonization method, then followed by extracting shape features of the skeleton images using HOG method. We use euclidean distance method to measure the level of image similarity, there are 5 threshold values that is 1.15, 1.18, 1.20, 1.22 and 1.25. This value was chosen by visual observations of the skeleton image, where an image that visually has the same movement has a threshold value between 1.15 to 1.25. By using these 5 threshold values, the number of same movements is obtained from each dance which is grouped based on its creator. From the result of this study, it was found that the dance created by I Nyoman Kaler has the most dynamic with many variations movement and has the fastest dance tempo. Next in line is the dance created by I Ketut Merdana. The dances with slowest tempo and fewest types of movement is created by N.L.N. Swasthi Wijaya Bandem. There are some different movements that detected as the same movements. Otherwise, there are same movements but not detected.
Desain Penilaian Risiko Privasi pada Aplikasi Seluler Melalui Model Machine Learning Berbasis Ensemble Learning dan Multiple Application Attributes Zakariya, R. Ahmad Imanullah; Ramli, Kalamullah
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.2024107029

Abstract

Aplikasi berbasis Android banyak dikembangkan dan tersedia secara bebas di berbagai sumber aplikasi karena sistem operasi Android yang bersifat open-source.  Namun, tidak semua penyedia aplikasi memberikan informasi detail mengenai aspek keamanan aplikasi, sehingga pengguna mengalami kesulitan untuk menilai dan memahami risiko keamanan privasi yang mereka hadapi. Pada penelitian ini kami mengusulkan desain penilaian risiko privasi melalui pendekatan analisis permission dan informasi atribut aplikasi. Kami menggunakan ensemble learning untuk mengatasi kelemahan dari penggunaan model klasifikasi tunggal. Penilaian likelihood dilakukan dengan mengombinasikan prediksi ensemble learning dan informasi multiple application attributes, sementara penilaian severity dilakukan dengan memanfaatkan jumlah dan karakteristik permission. Sebuah matriks risiko dibentuk untuk menghitung nilai risiko privasi aplikasi dan dataset CIC-AndMal2017 digunakan untuk mengevaluasi model ensemble learning dan desain penilaian risiko privasi. Hasil percobaan menunjukkan bahwa penerapan ensemble learning dengan algoritma klasifikasi Decision Tree (DT), K-Nearest Neighbor (KNN), dan Random Forest (RF) memiliki performa model yang lebih baik dibandingkan dengan menggunakan algoritma klasifikasi tunggal, dengan accuracy sebesar 95.2%, nilai precision 93.2%, nilai F1-score 92.4%, dan True Negative Rate (TNR) sebesar 97.6%. Serta, desain penilaian risiko mampu menilai aplikasi secara efektif dan objektif.  AbstractSince the Android operating system is open-source, many Android-based applications are developed and freely available in app stores. However, not all developers of applications supply detailed information about the app's security aspects, making it difficult for users to assess and understand the risk of privacy breaches they confront. We propose a privacy risk assessment design in this study using an analytical approach to app permissions and attribute information. We use ensemble learning to overcome the drawbacks of using a single classification model. The likelihood assessment is performed by combining ensemble learning predictions and information on multiple application attributes, while the severity assessment is performed by utilizing the number and characteristics of permissions. A risk matrix was created to calculate the value of application privacy risk, and the CIC-AndMal2017 dataset was used to evaluate the ensemble learning model and privacy risk assessment designs. The experimental results show that the application of ensemble learning with the Decision Tree (DT), K-Nearest Neighbor (KNN), and Random Forest (RF) classification algorithms provides better model performance compared to using a single classification algorithm, with an accuracy of 95.2%, a precision value of 93.2%, a F1-score of 92.4%, and a True Negative Rate (TNR) of 97.6%. In addition, the risk assessment design can to assess the application effectively and objectively. 
Analisis Faktor Transformasi Digital Pelayanan Publik Pemerintah Di Era Pandemi Sisilianingsih, Sari; Purwandari, Betty; Eitiveni, Imairi; Purwaningsih, Mardiana
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.2023107059

Abstract

Banyak perubahan yang terjadi dalam kehidupan masyarakat sebagai konsekuensi dari social distancing di era pandemi. Hal ini juga mempengaruhi cara pelayanan publik pemerintah kepada masyarakat yang ikut berubah akibat pembatasan sosial, di mana pelayanan tatap muka ditiadakan dan digantikan oleh layanan virtual dengan memanfaatkan teknologi informasi. Digital Government Transformation adalah teori yang digunakan dalam penelitian ini untuk melihat faktor pendorong dan penghambat proses transformasi digital khususnya pada pelayanan publik di masa pandemi. Penelitian ini bertujuan mengidentifikasi faktor-faktor yang mendukung dan menghambat serta tantangan yang dialami Indonesia selama pandemi dalam digitalisasi pelayanan publik. Penelitian ini dianalisa menggunakan Structural Equation Modelling dengan pengambilan data melalui cross sectional survey pada 208 responden. Hasil penelitian dapat disimpulkan bahwa faktor yang mendorong keberhasilan proses digitalisasi pelayanan publik di masa pandemi adalah profesionalisme dalam melayani yang tergambar dari inovasi pelayanan publik, kemampuan sumber daya manusia, dan pengalaman kerja. Sementara itu, faktor penghambat dari perspektif organisasi dan budaya seperti kurangnya panduan kepemimpinan, kurangnya koordinasi antar divisi, kurangnya dukungan operasional, budaya yang menolak perubahan, dan birokrasi yang rumit belum terbukti secara signifikan mempengaruhi proses transformasi karena hambatan tersebut tidak dapat membendung transformasi digital pelayanan masyarakat ketika dihadapkan pada kondisi pandemi Covid-19 yang membutuhkan perubahan.AbstractMany changes have occurred in people’s lives as a consequence of social distancing in pandemic era. This also affects the way government public services to the community have changed due to social restrictions, where face-to-face services are abolished and replaced by virtual services by utilizing information technology. Digital Government Transformation is the theory used in this research to see the driving and inhibiting factors of the digital transformation process. This research investigates the factors that support and hinder along with the challenges experienced in Indonesia during the pandemic in the digitalization of public services. This study used a questionnaire survey and managed to collect 208 respondents. The results of the study can be concluded that the factors that drive the successful practice of public service’s digitalization during the pandemic are professionalism in serving which is depicted from public service innovations, human resource capabilities, and work experience. Meanwhile, the inhibiting factors from the organizational and cultural perspective as lack of leadership guidance, lack of coordination between divisions, lack of operational support, a culture that resists change, and complicated bureaucracy have not proven to significantly affect the transformation process because these obstacles cannot stem the digital transformation of public services when faced with the Covid-19 pandemic condition that requires change.
Klasifikasi Aktivitas Manusia Menggunakan Metode Long Short-Term Memory Afida, Latansa Nurry Izza; Bachtiar, Fitra Abdurrachman; Cholissodin, Imam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 2: April 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241127060

Abstract

Klasifikasi aktivitas manusia merupakan salah satu topik penelitian yang penting karena dapat diterapkan pada berbagai bidang. Penelitian mengenai klasifikasi aktivitas manusia sebelumnya telah banyak dikembangkan dengan menerapkan dataset public HAR Repository yang telah tersedia. Namun dataset tersebut memiliki hasil dari ekstraksi fitur keluaran nilai sensor memiliki dimensi yang tinggi. Tingginya dimensi fitur dapat menyebabkan penurunan akurasi, untuk itu pada penelitian ini diusulkan penerapan dataset primer tanpa ekstraksi fitur. Selain tingginya dimensi, pada penelitian sebelumnya, banyaknya jumlah label dengan menerapkan machine learning tradisional tidak mampu melebihi akurasi 88%. Sehingga pada penelitian ini menerapkan dataset primer dengan menggunakan label kelas sebanyak 16 sehingga diusulkan metode deep learning Long Short Term Memory (LSTM). Proses penelitian dimulai dari pengambilan data, preprocessing data, modelling dan perbandingan algoritma deep learning LSTM dan machine learning KNN. Berdasarkan hasil pengujian perbandingan kedua algoritma tersebut dengan implementasi dataset yang sama, algoritma terbaik yaitu LSTM dengan nilai akurasi sebesar 0.94 dan KNN dengan nilai akurasi sebesar 0.71.

Page 96 of 129 | Total Record : 1288

 94   95   96   97   98 

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: April 2015 Vol 2, No 1 (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