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
 96   97   98   99   100 
Perencanaan Strategis Sistem Informasi Pada Lembaga Amil Zakat Menggunakan Analisis SWOT Berbasis Lima Faktor Seni Perang Sun Tzu Berdasarkan Anita Cassidy Novettralita, Ucky Pradestha; Isnanto, R. Rizal; Widodo, Catur Edi
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.2023107222

Abstract

Lembaga Amil Zakat (LAZ) memanfaatkan strategi Sistem Informasi/Teknologi Informasi (SI/TI) untuk meningkatkan daya saing. Seni Perang Sun Tzu telah banyak digunakan dalam penelitian untuk menyusun strategi bisnis dan strategi penjualan. Sayangnya, belum ada penelitian dengan menggunakan Seni Perang Sun Tzu untuk perencanaan strategis Sistem Informasi (SI). Kontribusi penelitian adalah penyusunan analisis SWOT berbasis lima faktor Seni Perang Sun Tzu sehingga dapat menjadi dasar untuk penelitian selanjutnya. Tujuan dari penelitian ini adalah untuk mengidentifikasikan kondisi lingkungan internal bisnis dan eksternal bisnis sehingga memberikan rekomendasi strategi kunci kepada LAZ dalam domain strategi bisnis, strategi SI/TI, dan strategi infrastruktur SI/TI berdasarkan analisis SWOT berbasis lima faktor Seni Perang Sun Tzu yang disusun berdasarkan metode Anita Cassidy. Beberapa strategi kunci yang dihasilkan dari peneitian ini adalah promosi dan edukasi zakat melalui media sosial dan media daring lainnya; menyediakan teknologi untuk memudahkan masyarakat membayar zakat dengan membuat aplikasi seperti Mobile Zakat, Customer Relationship System (CRS); dan mengembangkan kemampuan dalam memanfaatkan teknologi 5G dan teknologi baru.   Abstract Amil Zakat Institution (LAZ) uses Information System/Information Technology (IS/TI) strategy to improve competitiveness. Sun Tzu's Art of War has been widely used in research to develop business strategies and sales strategies. Unfortunately, there has been no research using Sun Tzu's Art of War for Information System (IS) strategic planning. The contribution of the research is the preparation of a SWOT analysis based on the five factors of Sun Tzu's Art of War so that it can be the basis for future research. This research aims to identify the condition of the internal business and external business environment to provide key strategy recommendations to LAZ in the domains of business strategy, SI/TI strategy, and SI/TI infrastructure strategy based on SWOT analysis based on five factors Sun Tzu's Art of War compiled based on the Anita Cassidy method. Some of the key strategies obtained from this research are the promotion and education of zakat through social media and other online media; providing technology to make it easier for people to pay zakat by creating applications like Mobile Zakat application, Customer Relationship System (CRS); and developing capabilities in utilizing 5G technology and new technologies.
Penyeimbangan Kelas SMOTE dan Seleksi Fitur Ensemble Filter pada Support Vector Machine untuk Klasifikasi Penyakit Liver Nugraha, Muhammad Amir; Mazdadi, Muhammad Itqan; Farmadi, Andi; Muliadi; Saragih, Triando Hamonangan
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.2023107234

Abstract

Liver merupakan salah satu organ penting dalam tubuh manusia yang berperan dalam proses metabolisme tubuh. Mengutip artikel dari situs American Liver Foundation, pada tahun 2020 sebanyak 51.642 orang dewasa di Amerika Serikat meninggal akibat penyakit liver. Data hasil tes fungsi liver dari laboratorium dapat digunakan untuk mendiagnosis penyakit liver. Klasifikasi penyakit liver pada pasien perlu dilakukan dengan baik karena hasilnya dapat membantu dalam diagnosis awal apakah seorang pasien mengidap penyakit liver. Berdasarkan penelitian sebelumnya, metode Support Vector Machine (SVM) paling baik dalam mengklasifikasikan pasien penyakit liver. Namun, SVM memiliki kelemahan ketika diterapkan pada dataset dengan kelas yang tidak seimbang dan tidak bekerja secara akurat ketika terlalu banyak fitur yang tidak relevan digunakan. Untuk menyeimbangkan kelas pada dataset, digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Sedangkan untuk seleksi fitur dilakukan menggunakan metode Ensemble Filter, terdiri dari metode Information Gain, Gain Ratio, dan Relief-F untuk menangani fitur-fitur tidak relevan. Berdasarkan hasil pengujian, penerapan SMOTE dan Ensemble Filter pada metode klasifikasi SVM memberikan hasil terbaik dengan nilai accuracy sebesar 85% dan AUC sebesar 0,850. Pengujian tersebut dapat membuktikan jika SMOTE pada penyeimbangan kelas dan Ensemble Filter pada seleksi fitur dapat meningkatkan performa klasifikasi dari metode SVM.    Abstract   The liver is one of the important organs in the human body that plays a role in the body's metabolic processes. Quoting an article from the American Liver Foundation website, in 2020, as many as 51,642 adults in the United States died from liver disease. Liver function test data from the laboratory can be used to diagnose liver disease. Classification of liver disease in patients needs to be done well because the results can help in the initial diagnosis of whether a patient has liver disease. Based on previous research, the Support Vector Machine (SVM) method best classifies liver disease patients. However, SVM has weaknesses when applied to datasets with unbalanced classes and does not work accurately when too many irrelevant features are used. To class-balance the dataset, the Synthetic Minority Oversampling Technique (SMOTE) method is used. Meanwhile, feature selection is performed using the Ensemble Filter method, which consists of Information Gain, Gain Ratio, and Relief-F methods to handle irrelevant features. Based on the test results, the application of SMOTE and Ensemble Filter in SVM classification gives the best results with an accuracy value of 85% and an AUC of 0.850. The test can prove if SMOTE on class balancing and Ensemble Filter on feature selection can improve the classification performance of the SVM method.
Analisis Perbaikan dan Pemodelan Proses Bisnis Menggunakan Business Process Improvement Pada Sistem Manajemen Budidaya Buah Agrowing Yusmar, Addini; Nurhadryani, Yani; Hermadi, Irman
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.2023107237

Abstract

Proses penanaman dan pengelolaan lahan pertanian dengan bantuan teknologi berhasil memberikan kemudahan dan meningkatkan hasil penjualan produksi. Penelitian mengenai penerapan teknologi telah dilakukan, namun masih ditemukan ketidaksesuaian antara proses bisnis dengan sistem yang disebabkan oleh kurangnya integrasi proses bisnis. Selain itu, kompleksitas proses bisnis pertanian yang terus meningkat menuntut untuk dilakukan perbaikan proses bisnis. Tujuan dari penelitian ini adalah melakukan perbaikan proses bisnis dengan menganalisis peningkatan dan pemodelan proses bisnis sistem manajemen budidaya buah. Penelitian ini memperbaiki proses bisnis sistem manajemen budidaya buah Agrowing menggunakan Business Process Imporvement (BPI) dan memodelkannya menggunakan Business Process Model and Notation (BPMN). Tahapan penelitian ini terdiri dari identifikasi proses bisnis sistem manajemen budidaya buah, analisis proses bisnis sistem manajemen budidaya buah as-is, analisis proses bisnis sistem manajemen budidaya buah to-be, dan pengujian. Pengujian dilakukan dengan simulasi waktu proses bisnis menggunakan tools bizagi modeler dan perhitungan metrik kualitas menggunakan Complexity Metric (CFC) dan Coupling Metric (CP). Perbaikan proses bisnis budidaya buah menggunakan pendekatan BPI berhasil mengurangi waktu proses. Selain itu, kualitas model yang dihasilkan mudah dipahami dan dimodifikasi. Model proses bisnis yang dihasilkan dapat dijadikan sebagai acuan untuk tahapan desain pada pengembangan sistem manajemen budidaya buah Agrowing sehingga mendukung perkembangan teknologi informasi pertanian secara berkelanjutan dan membantu para petani untuk memproduksi buah berkualitas.   Abstract Planting and managing agricultural land with the help of technology has succeeded in providing convenience and increasing production sales. Although research on the application of technology has been conducted, disparities between business processes and systems still need to be addressed due to a lack of integration of business processes. Furthermore, the ever-increasing complexity of agricultural business processes necessitates business process changes. This study aims to improve business processes by analyzing the improvement and modeling of business processes of fruit cultivation management systems. This study uses Business Process Improvement (BPI) to improve the business processes of the Agrowing fruit cultivation management system, and it models it using the Business Process Model and Notation (BPMN). This study is divided into four stages: identifying the business processes involved in fruit cultivation, analyzing them as they are currently (as-is), analyzing them as they will be improved (to-be), and testing. Testing is performed by simulating business process time using the bizagi modeler tool and computing quality measures with the Complexity Metric (CFC) and Coupling Metric (CP). Improving fruit cultivation business processes using the BPI approach has reduced processing time. In addition, the quality of the resulting model is easy to understand and modify. The resulting business process model can be used as a reference for the design stage in the development of the Agrowing fruit cultivation management system so that it supports the development of agricultural information technology sustainably and helps farmers produce quality fruit.
Analisis Dampak Kabut Asap dari Kebakaran Hutan dan Lahan dengan Pendekatan Text Mining Efendi, Zuliar; Sitanggang, Imas Sukaesih; Syaufina, Lailan
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.2023107248

Abstract

Kebakaran hutan dan lahan (karhutla) berdampak buruk bagi lingkungan serta ekosistem. Kabut asap merupakan salah satu akibat yang ditimbulkan dari kebakaran hutan dan lahan. Keresahan dari munculnya kabut asap dan kebakaran hutan menjadi trending topic pada media sosial Twitter. Analisis Twitter perlu dilakukan untuk melihat kesesuaian hashtag yang digunakan dengan topik yang dibahas yaitu kabut asap. Data Twitter dapat dianalisis menggunakan text mining. Penelitian ini bertujuan untuk melihat hubungan antara percakapan di media sosial Twitter dengan kejadian kabut asap yang muncul dari kebakaran hutan dan lahan. Metode yang digunakan adalah teknik text mining yaitu menggunakan algoritme clustering. Data yang digunakan adalah data tweet terkait kabut asap di Provinsi Riau pada jarak 11 – 17 September 2019 dan juga data hotspot atau titik panas serta citra Sentinel2. Data tweet dikelompokkan dengan beberapa percobaan pada jarak antar cluster yaitu single linkage, complete linkage, average linkage, dan ward. Hasil clustering menunjukkan bahwa validitas cluster tertinggi memiliki silhouette index sebesar, 0,3360 dengan jarak antar cluster menggunakan ward. Hasil cluster menunjukkan bahwa terdapat tiga cluster yang dominan pembahasannya terkait kabut asap. Data Twitter pada ketiga cluster tersebut memiliki ciri istilah atau term yang berkaitan dengan kabut asap antara lain "kabut", "asap", dan "udara". terdapat di wilayah Pekanbaru serta wilayah Bengkalis, Provinsi Riau. Hasil dapat menjadi salah satu cara pengendalian karhutla yaitu deteksi dini dengan menggunakan media sosial Twitter.   Abstract  Forest and land fires have a harmful impact on the environment and ecosystem. Haze is one of the consequences that arise from forest fires and the environment. Anxiety about haze and forest fires is a trending topic on social media Twitter. Twitter analysis needs to be done to see the compatibility of the hashtags used with the haze topic. The Twitter data can be analyzed using text mining. This study aims to see the relation between conversations on social media Twitter and the occurrence of haze that arises from forest and land fires. The method used is a text mining technique that uses a clustering algorithm. The data used are tweet data related to haze in Riau Province in the range 11-17 September 2019 as well as hotspot data and Sentinel-2 imagery. Tweet data were clustered by several experiments on the distance between clusters, namely single linkage, complete linkage, average linkage, and ward. Clustering results show that the highest cluster validity has a silhouette index of 0.3360 with the distance between clusters using wards. The cluster results show that there are three clusters that are dominant in the discussion related to haze. The Twitter data for the three clusters has the characteristics of terms related to smog, including "kabut", "asap", and "udara". The impact felt by the people of Riau Province through social media Twitter related to the haze is the impact on health and air quality. Cluster tweets that discuss the topic of forest and land fires and haze are in the Pekanbaru and Bengkalis regions, Riau Province. The results can be one of the karhutla controls is early detection by using social media Twitter.
Seleksi Fitur dengan Particle Swarm Optimization pada Klasifikasi Penyakit Parkinson Menggunakan XGBoost Kurnia, Deni; Itqan Mazdadi, Muhammad; Kartini, Dwi; Adi Nugroho, Radityo; Abadi, Friska
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.2023107252

Abstract

Penyakit Parkinson merupakan gangguan pada sistem saraf pusat yang mempengaruhi sistem motorik. Diagnosis penyakit ini cukup sulit dilakukan karena gejalanya yang serupa dengan penyakit lain. Saat ini diagnosa dapat dilakukan menggunakan machine learning dengan memanfaatkan rekaman suara pasien. Fitur yang dihasilkan dari ekstraksi rekaman suara tersebut relatif cukup banyak sehingga seleksi fitur perlu dilakukan untuk menghindari memburuknya kinerja sebuah model. Pada penelitian ini, Particle Swarm Optimization digunakan sebagai seleksi fitur, sedangkan XGBoost akan digunakan sebagai model klasifikasi. Selain itu model juga akan diterapkan SMOTE untuk mengatasi masalah ketidakseimbangan kelas data dan hyperparameter tuning pada XGBoost untuk mendapatkan hyperparameter yang optimal. Hasil pengujian menunjukkan bahwa nilai AUC pada model dengan seleksi fitur tanpa SMOTE dan hyperparameter tuning adalah 0,9325, sedangkan pada model tanpa seleksi fitur hanya mendapat nilai AUC sebesar 0,9250. Namun, ketika kedua teknik SMOTE dan hyperparameter tuning digunakan bersamaan, penggunaan seleksi fitur mampu memberikan peningkatan kinerja pada model. Model dengan seleksi fitur mendapat nilai AUC sebesar 0,9483, sedangkan model tanpa seleksi fitur hanya mendapat nilai AUC sebesar 0,9366.   Abstract   Parkinson's disease is a disorder of the central nervous system that affects the motor system. Diagnosis of this disease is quite difficult because the symptoms are similar to other diseases. Currently, diagnosis can be done using machine learning by utilizing patient voice recordings. The features generated from the extraction of voice recordings are relatively large, so feature selection needs to be done to avoid deteriorating the performance of a model. In this research, Particle Swarm Optimization is used as feature selection, while XGBoost will be used as a classification model. In addition, the model will also be applied SMOTE to overcome the problem of data class imbalance and hyperparameter tuning on XGBoost to get optimal hyperparameters. The test results show that the AUC value on the model with feature selection without SMOTE and hyperparameter tuning is 0.9325, while the model without feature selection only gets an AUC value of 0.9250. However, when both SMOTE and hyperparameter tuning techniques are used together, the use of feature selection is able to provide improved performance on the model. The model with feature selection gets an AUC value of 0.9483, while the model without feature selection only gets an AUC value of 0.9366.
Penerapan Algoritma Support Vector Machine pada Analisis Sentimen Terhadap Identitas Kependudukan Digital Lestari, Rita Ajeng; Erfina, Adhitia; Jatmiko, Wisuda
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.2023107264

Abstract

Identitas Kependudukan Digital merupakan inovasi yang dikeluarkan oleh pemerintah yang diklaim dapat menjadi solusi permasalahan pencetakan dan pendistribusian e-KTP. Pemerintah telah berkomitmen untuk mendukung upaya digitalisasi E-KTP menjadi Identitas Kependudukan Digital yang mana masyarakat harus ikut mendukung upaya digitalisasi ini. Kehadiran Identitas Kependudukan Digital telah menjadi sorotan publik yang menimbulkan pro dan kontra. Himpunan data penelitian berasal dari crawling komentar pengguna Facebook dari 16 Februari hingga 10 Maret 2023, dengan proses pengolahan menggunakan pembobotan kata TF-IDF dan algoritma Support Vector Machine. Python merupakan bahasa pemrograman yang dipilih untuk melakukan pengumpulan hingga pengolahan data penelitian. Dari 902 yang diproses, dihasilkan 78,27% negatif, 12,97 netral, dan 8,76% positif. Dengan menggunakan perbandingan data latih dan data uji sebesar 80:20, didapati nilai akurasi pada data uji yang dihasilkan oleh Support Vector Machine adalah 77%. Tingginya angka persentase negatif yang diperoleh menunjukkan ketidakpuasan masyarakat terhadap Identitas Kependudukan Digital, dan diharapkan adanya penelitian ini dapat menjadi informasi bagi pihak-pihak terkait guna perbaikan di masa mendatang.   Abstract   Identitas Kependudukan Digital is an innovation issued by the government which is claimed to be a solution to the problem of printing and distributing e-KTP. The government has committed to supporting efforts to digitize E-KTP into Identitas Kependudukan Digital which the public must participate in supporting this digitization effort. The presence of Identitas Kependudukan Digital has been in the public spotlight which raises pros and cons. The research dataset comes from crawling Facebook user comments from February 16 to March 10, 2023, with processing using TF-IDF word weighting and Support Vector Machine algorithms. Python is the programming language chosen to collect and process research data. Of the 902 processed, 78.27% were negative, 12.97 were neutral, and 8.76% were positive. Using a comparison of training data and test data of 80:20, it was found that the accuracy value of the test data produced by the Support Vector Machine was 77%. The high number of negative percentages obtained shows public dissatisfaction with Digital Population Identity, and it is hoped that this research can be an information for related parties for future improvements.
ANALISIS SENTIMEN DATA TWITTER TERKAIT CHATGPT MENGGUNAKAN ORANGE DATA MINING Pahtoni, Tri Yuli; Jati, Handaru
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.20241127276

Abstract

Perkembangan teknologi bergerak begitu cepat, diikuti dengan popularitas media sosial yang semakin meluas. Platform media sosial mampu membangun profil big data pengguna, dengan melacak setiap aktivitas seperti partisipasi, pengiriman pesan, dan kunjungan situs Web. Saat ini banyak orang sering membagikan kritik terhadap sesuatu melalui platform media sosial seperti Facebook, Twitter, Instagram, dan lainnya. Sehingga perlu diketahui bagaimana komentar dari pengguna media sosial yang menghasilkan reaksi masyarakat terhadap chatGPT yang dirilis oleh OpenAI. Banyaknya komentar di Twitter menyebabkan sulitnya mengetahui kecenderungan respon masyarakat. Tujuan dari penelitian ini yaitu melakukan analisis sentimen postingan publik di Twitter untuk memberikan wawasan tentang sikap dan persepsi orang tentang suatu peristiwa yang terjadi. Penelitian ini memberikan ilustrasi peran Twitter dalam menampung postingan pengguna Twitter terkait chatGPT. Hasil penelitian ini dapat digunakan oleh pemangku kepentingan untuk menentukan kebijakan dalam penggunaan chatGPT. Penelitian ini menganalisis sebanyak 5.192 postingan tweet bahasa Inggris dan 641 tweet bahasa Indonesia, mulai dari tanggal 27 April hingga 8 Mei 2023. Tanggapan positif, negatif dan netral diolah menggunakan perangkat lunak orange data mining, yaitu tools machine learning, data mining, dan visualisasi data. Hasil menunjukan bahwa chatGPT mendapatkan tanggapan netral berbahasa Inggris dengan nilai sebesar 54,72%, tanggapan positif sebesar 31,64%, dan tanggapan negatif sebesar 13,64%. Hasil analisis sentimen berbahasa Indonesia tidak jauh berbeda, dengan nilai tanggapan netral sebesar 63,96%, tanggapan positif 23,56%, dan tanggapan negatif 12,48%. Sehingga dapat disimpulkan bahwa, rilisnya chatGPT mayoritas publik memberikan tanggapan netral atau tidak terdapat penolakan.AbstractTechnological developments move so fast, followed by the increasingly widespread popularity of social media. Social media platforms can build big-data profiles of users by tracking every activity such as participation, messaging, and website visits. Currently, many people often share criticism of something through social media platforms, such as Facebook, Twitter, Instagram, and others. So it is necessary to know how comments from social media users generate public reactions to chatGPT released by OpenAI. A lot of comments on Twitter make it difficult to know the trend of people's responses. This study aims to analyze the sentiment of public postings on Twitter to provide insight into people's attitudes and perceptions of an event that has occurred. This research illustrates Twitter's role in accommodating Twitter user posts regarding chatGPT. The results of this study can be used by stakeholders in making policies on the use of chatGPT. This study analyzed 5,192 posts in English and 641 tweets in Indonesian from April 27 to May 8, 2023. Positive, negative, and neutral responses were processed using orange data mining software, namely machine learning tools, data mining, and data visualization. The results show that chatGPT received neutral responses in English with a value of 54.72%, positive responses of 31.64%, and negative responses of 13.64%. The results of sentiment analysis in Indonesian were not much different, with neutral responses of 63.96%, positive responses of 23.56%, and negative responses of 12.48%. So it can be concluded that after the release of chatGPT, the majority of the public gave neutral responses or no rejection.
Faktor-Faktor yang Memengaruhi Niat Terus Menggunakan Platform Akuakultur Elektronis: Studi Kasus Aplikasi eFisheryku Nurrohman, Andre; Eitiveni, Imairi
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.2023107279

Abstract

Potensi akuakultur di Indonesia termasuk tinggi. Penggunaan teknologi pada bidang ini relatif baru dan menghadapi perkembangan yang menantang. Salah satunya tercermin pada penggunaan platform eFisheryKu yang belum mencapai target banyaknya pengguna bulanan dan repeat order. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang memengaruhi niat terus menggunakan platform akuakultur elektronis, dengan studi kasus pada aplikasi eFisheryKu. Model penelitian dibangun menggunakan kerangka kerja Multi-Motive Information Systems Continuance Model (MISC). Kerangka teoretis dibangun dengan 16 hipotesis yang dibentuk dari hubungan antar konstruk. Metode penelitian yang digunakan adalah explanatory sequential design, yaitu metode penelitian yang diawali dengan fase kuantitatif dan dilanjutkan untuk menindaklanjuti hasil tertentu dengan tujuan untuk membantu menjelaskan hasil kuantitatif dengan terintegrasi. Analisis data kuantitatif dilakukan pada 100 data kuesioner dengan teknik analisis PLS-SEM dengan hasil sembilan hipotesis diterima dan tujuh hipotesis ditolak, lalu dilanjutkan dengan fase kualitatif terhadap tujuh responden untuk menemukan penjelasan yang konsisten. Penelitian ini memberi kesimpulan bahwa intention to continue dipengaruhi oleh functional needst2, lalu functional needst2 dipengaruhi oleh design-expectations fit dan functional needs disconfirmation, di mana functional needs disconfirmation dipengaruhi oleh functional needst1 dan ease of use. Penelitian ini memberi implikasi teoretis dan memperkuat functional needs sebagai faktor utama serta memberikan rekomendasi praktikal untuk mengoptimalkan fitur kebutuhan dasar budidaya dengan proses bisnis yang matang di lapangan.   Abstract   The potential for aquaculture in Indonesia is high. The use of technology in this fields is relatively new and faces challenging developments. One of them is reflected in the use of the eFisheryKu platform which has not reached the target number of monthly users and repeat orders. This study aims to determine the factors influencing the intention to continue using the electronic aquaculture platform, with a case study on the eFisheryKu application. The research model was built using the Multi-Motive Information Systems Continuance Model (MISC) framework forming 16 hypotheses. The research method used is an explanatory sequential design, which is a research method that begins with a quantitative phase and continues to follow up certain results with a qualitative phase to help explain integrated quantitative results. Quantitative data analysis was carried out on 100 questionnaire data using the PLS-SEM analysis technique. The results showed that nine hypotheses were accepted and seven hypotheses were rejected. Then, it continued with the qualitative phase with seven respondents. This study concludes that intention to continue is influenced by functional needst2, then functional needst2 is influenced by design-expectations fit and functional needs disconfirmation, where functional needs disconfirmation is influenced by functional needst1 and ease of use. This research provides theoretical implications and strengthens functional needs as the main factor as well as provides practical recommendations for optimizing the basic needs of cultivation with mature business processes in the field.
Kajian Strategi Pendidikan Vokasi Bidang Teknologi Informasi dan Komunikasi Menghadapi Bonus Demografi Amalia, Faizatul; Kamdi, Waras; Sugandi, R. Machmud
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.2023107305

Abstract

Bonus demografi juga menjadi tantangan jika tidak mampu mengimbangi dengan ketersediaan lapangan kerja. Agar lulusan dari SMK dapat terserap dengan baik, diperlukan adanya strategi atau cara dalam membekali lulusan dengan kompetensi yang dibutuhkan industri. Penelitian ini menggunakan Systematic Review (SR) atau yang secara umum disebut Systematic Literature Review (SLR). Langkah penelitian SLR yang digunakan dalam penelitian yaitu Planning, Conducting, dan Reporting. Planning menghasilkan pertanyaan penelitian yaitu bagaimana strategi Pendidikan vokasi dalam menghadapi bonus demografi. Conducting dilakukan dengan pencarian jurnal artikel penelitian dari google scholar dengan memanfaatkan operator Boolean yaitu: “kompetensi siswa” AND “SMK” and “TIK”. Jurnal yang terindeks nasional, memiliki ISSN atau E-ISSN menjadi sumber data dalam penelitian ini. Berdasarkan 46 artikel, diperoleh bahwa 10 faktor memengaruhi kompetensi siswa SMK khususnya program keahlian Teknik Informatika dan Komunikasi (TIK). Untuk mencapai kompetensi siswa SMK TIK dapat dilakukan dengan: penerapan model pembelajaran di kelas seperti problem based learning dan project based learning, penggunaan metode pembelajaran demonstrasi dan discovery learning, penggunaan strategi problem solving, media pembelajaran yang dapat dimanfaatkan berupa e-learning, video, e-modul, software simulation, penggunaan fasilitas yang mumpuni di laboratorium, kurikulum yang disusun mencantumkan prakerin sebagai mata pelajaran yang harus diikuti oleh siswa, penggunaan perangkat pembelajaran melalui LKS berstruktur dan berbasis konstruktivisme, pembangunan sekolah kejuruan berdasarkan konsep corporate school,  kompetensi guru melalui keterampilan pedagogik, sosial dan kepribadian yang dapat mendukung peningkatan motivasi belajar yang nantinya memengaruhi kompetensi siswa, dan pengalaman prakerin dapat meningkatkan kompetensi siswa SMK.   Abstract The demographic bonus is also a challenge if it is unable to match the availability of jobs. For graduates from Vocational High School (SMK) to be well absorbed, a strategy or method is needed to equip graduates with the competencies needed by the industry. This study uses a Systematic Review (SR) or what is generally called a Systematic Literature Review (SLR). The SLR research steps used in this research are Planning, Conducting, and Reporting. Planning generates research questions, namely how is the vocational education strategy in dealing with demographic bonuses? Conducting is done by searching research journal articles from Google Scholar by utilizing Boolean operators, namely: "student competence" AND "SMK" and "TIK". Journals that are nationally indexed, having ISSN or E-ISSN are the source of data in this study. Based on 22 articles, it was found that eight factors influenced the competence of SMK students, especially the Informatics and Communication Engineering (ICT) expertise program. To achieve the competence of ICT Vocational High School students, this can be done by: using problem-based learning, project-based learning, cycle 5E, genre pedagogic, education game, Student Teams Achievement Division (STAD), and blended learning as learning models, learning media that can be utilized in the form of e-learning, software simulation, metacognitive based, the use of qualified facilities in the laboratory, the curricula prepared include apprenticeship as a subject that must be followed by students, the use of learning tools through constructivism-based worksheets, the construction of vocational schools based on the concept of corporate school, the competence of teachers through pedagogic skills, social and personality that can support increased learning motivation which will affect student competence, and internship experience can increase the competency of SMK students.
Fourier Descriptor Pada Klasifikasi Daun Herbal Menggunakan Support Vector Machine Dan Naive Bayes Samir, Mutmainnah; Purnawansyah; Darwis, Herdianti; Umar, Fitriyani
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.2023107309

Abstract

Daun herbal bermanfaat sebagai obat alternatif karena kandungan alaminya dapat menyembuhkan berbagai penyakit dan menjaga kesehatan tubuh. Klasifikasi citra daun herbal digunakan untuk membedakan jenis tanaman herbal berdasarkan bentuk daun. Penelitian ini Penelitian menggunakan Fourier Descriptor (FD) untuk mengekstraksi fitur pada daun herbal dan mengklasifikasikannya menggunakan metode Support Vector Machine (SVM) dan Naive Bayes (NB). SVM diimplementasikan dengan empat kernel yaitu Linear, polynomial, Radial Basis Function (RBF), dan sigmoid sementara Naive bayes diaplikasikan dengan tiga jenis kernel yaitu Gaussian, Multinomial, Bernoulli. Evaluasi kinerja menggunakan Precision, accuracy F1-Score dan Recall. Citra daun herbal terdiri dari daun katuk (Sauropus Androgynus) dan daun kelor (Moringa) dengan total 480 citra. Data tersebut dibagi menjadi 80% untuk training dan 20% untuk testing. Terdapat dua skenario pencahayaan yaitu kondisi gelap dan terang. Hasil penelitian menunjukkan bahwa perbandingan metode SVM dengan ekstraksi FD dimana kernel Linear mencapai akurasi sebesar 98% pada skenario gelap, sementara kernel Sigmoid memberikan akurasi terendah sebesar 44% pada scenario gelap maupun terang. Adapun hasil dari metode Naive bayes dengan ekstraksi FD pada kernel multinomial menghasilkan akurasi tertinggi sebesar 83% pada terang, sedangkan kernel Bernoulli memberikan akurasi terendah sebesar 46% pada skenario gelap dan terang. Berdasarkan perbandingan hasil klasifikasi dari kedua metode, disarankan bahwa metode SVM pada ekstraksi FD lebih direkomendasikan dalam proses klasifikasi daun herbal. Penelitian ini dapat memberikan rekomendasu pengembang sistem untuk menetapkan metode yang tepat dalam klasifikasi citra daun herbal.   Abstract Herbal leaves are beneficial as alternative medicine because their natural content can cure various diseases and maintain a healthy body. The classification of herbal leaf images is used to differentiate types of herbal plants based on leaf shapes. This study utilizes Fourier Descriptor (FD) to extract features from herbal leaves and classify them using the Support Vector Machine (SVM) and Naive Bayes (NB) methods. SVM is implemented with four kernels namely linear, polynomial, Radial Basis Function (RBF), and Sigmoid while Naive bayes is applied with three types of kernels namely Gaussian, multinomial, Bernoulli. Performance evaluation includes precision, accuracy, F1- score and recall. Herbal leaf images consist of leaves (Sauropus Androgynus) and moringa leaves with a total of 480 images. The data is divided into 80% for training and 20 % for testing. There are two lighting scenarios, namely dark and light conditions. The result of this study shows a comparison of the SVM method with FD extraction where the Linear kernel achieves the highest accuracy of 98% in dark scenarios, while the Sigmoid kernel provides the lowest accuracy of 44% in both dark and light scenarios. The result of the naïve bayes method with FD extraction on the Multinomial kernel yield the highest accuracy of 83% in light scenarios while the Bernoulli kernel provides the lowest accuracy 46% in both dark and light scenarios. Based on the comparison of the classification result of the two methods, it is suggested that the SVM method for FD extraction is more recommended in the herbal leaf classification process. This research can provide recommendation for system developers to determine the appropriate method for classifying herbal leaf images.  

Page 98 of 129 | Total Record : 1288

 96   97   98   99   100 

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: Oktober 2015 Vol 2, No 2 (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