cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota surakarta,
Jawa tengah
INDONESIA
Khazanah Informatika: Jurnal Ilmu Komputer dan Informatika
Published by Universitas Muhammadiyah Surakarta
ISSN : 2621038X     EISSN : 2477698X     DOI : -
Core Subject : Science,
Computer Science & IT
Khazanah Informatika: Jurnal Ilmiah Komputer dan Informatika, an Indonesian national journal, publishes high quality research papers in the broad field of Informatics and Computer Science, which encompasses software engineering, information system development, computer systems, computer network, algorithms and computation, and social impact of information and telecommunication technology.
Arjuna Subject : -
Articles 250 Documents
 16   17   18   19   20 
Penerapan Metode Certainty Factor Pada Sistem Pakar Penentuan Minat dan Bakat Siswa SD Rizal Rachman; Amirul Mukminin
Khazanah Informatika Vol. 4 No. 2 Desember 2018
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v4i2.6828

Abstract

Perkembangan adalah proses kedewasaan seseorang untuk mengembangkan kemampuan intelektualnya. Perkembangan usia 6–12 tahun adalah masa di mana anak memasuki tahap belajar di dalam sekolah dan di luar sekolah. Penentuan minat dan bakat perlu dilakukan untuk dapat mengetahui suatu keterampilan pada peserta didik, baik dalam segi akademis maupun kepribadian. Selain itu juga dilakukan pendampingan dan pengembangan keterampilan sesuai bakat yang ada pada peserta didik. Untuk mengetahui bakat dan minat pada peserta didik sekolah dasar dengan salah satu cara alternatif yaitu dibuat aplikasi sistem pakar penentuan minat dan bakat pada siswa sekolah dasar berbasis web, dengan adanya aplikasi sistem pakar tersebut, dapat membantu mengetahui bakat dan minat yang dimiliki pada peserta didik sekolah dasar. Dalam merancang sistem pakar ini menggunakan sebuah metode yaitu Certainty Factor atau faktor kepastian, merupakan suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Informasi yang dihasilkan yaitu dapat menentukan jenis minat dan bakat berdasarkan ciri-ciri dan metode certainty factor juga dapat dijadikan alternatif dalam melakukan perhitungan terhadap penentuan minat dan bakat. Hasil uji konsultasi yang didapat dengan sistem ini menerangkan bahwa sistem mampu menentukan jenis kecerdasan minat dan bakat pada siswa sekolah dasar beserta informasi tentang jenis, berdasarkan ciri-ciri yang sebelumnya dipilih oleh pengguna dan informasi tentang stimulasi jenis minat dan bakat.
Silhouette Density Canopy K-Means for Mapping the Quality of Education Based on the Results of the 2019 National Exam in Banyumas Regency Ridho Ananda
Khazanah Informatika Vol. 5 No. 2 December 2019
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i2.8375

Abstract

Mapping the quality of education units is needed by stakeholders in education. To do this, clustering is considered as one of the methods that can be applied. K-means is a popular algorithm in the clustering method. In its process, K-means requires initial centroids randomly. Some scientists have proposed algorithms to determine the number of initial centroids and their location, one of which is density canopy (DC) algorithm. In the process, DC forms centroids based on the number of neighbors. This study proposes additional Silhouette criteria for DC algorithm. The development of DC is called Silhouette Density Canopy (SDC). SDC K-means (SDCKM) is applied to map the quality of education units and is compared with DC K-means (DCKM) and K-means (KM). The data used in this study originated from the 2019 senior high school national examination dataset of natural science, social science, and language programs in the Banyumas Regency. The results of the study revealed that clustering through SDKCM was better than DCKM and KM, but it took more time in the process. Mapping the quality of education with SDKCM formed three clusters for social science and natural science datasets and two clusters for language program dataset. Schools included in cluster 2 had a better quality of education compared to other schools.
Evaluasi Performa Pemecahan Database dengan Metode Klasifikasi Pada Data Preprocessing Data mining Dedi Gunawan
Khazanah Informatika Vol. 2 No. 1 Juni 2016
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v2i1.1749

Abstract

Database transaksi merupakan rekaman dari hasil transaksi yang dilakukan oleh konsumen ketika mereka membeli produk baik di toko, mall ataupun tempat lainnya. Data transaksi ini akan sangat bermanfaat ketika pemilik bisnis akan melakukan analisa terhadap transaksi yang dilakukan konsumen. Secara umum data transaksi akan dianalisis menggunakan teknik data mining seperti classification, clustering, ataupun prediction agar bisa memberikan informasi yang bernilai lebih kepada pemilik data. Analisis data transaksi akan menjadi tidak mudah jika ukuran data yang dimiliki sangat besar sehingga perlu dilakukan data pre-prosesing terlebih dahulu. Salah satu teknik data pre-prosesing untuk mengatasi ukuran database yang besar adalah dengan membagi database menjadi beberapa bagian sehingga akan mempercepat proses scanning data saat algoritma data mining diterapkan. Database bisa dipartisi menjadi beberapa bagian berdasarkan kasifikasi jenis item dari transaksi yang dilakukan oleh konsumen ataupun partisi secara otomatis dengan membagi beberapa bagian tanpa melihat item di dalamnya. Dalam penelitian ini kami akan membandingkan hasil kinerja dari kedua jenis model partisi database tersebut. Hasil perbandingan kinerja dikukur dari waktu komputasi dan jumlah memori yang terpakai dalam proses partisi database
Peningkatan Kinerja Jaringan Komputer dengan Border Gateway Protocol (BGP) dan Dynamic Routing (Studi Kasus PT Estiko Ramanda) Tati Ernawati; Jemi Endrawan
Khazanah Informatika Vol. 4 No. 1 Juni 2018
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v4i1.5656

Abstract

Routing dalam jaringan menjadi elemen utama karena merupakan proses pemilihan salah satu dari beberapa kemungkinan jalur pengiriman paket data dari alamat pengirim ke alamat tujuan. Protokol routing diperlukan untuk membentuk tabel routing berdasarkan informasi routing yang dipertukarkan setiap selang waktu tertentu sehingga pengalamatan pada paket data yang akan dikirim menjadi lebih jelas. Penelitian ini membangun dan mengkaji kinerja jaringan komputer (computer network performance) pada studi kasus di perusahaan yang bergerak dibidang jasa layanan internet, peningkatan kebutuhan jasa layanan internet menuntut adanya pengelolaan jaringan internal di perusahaan dalam upaya peningkatan kinerja jaringan komputer. Pengujian dilakukan pada parameter latency dan traceroute menggunakan metode dynamic routing Border Gateway Protocol  (BGP). Hasil uji menunjukkan sistem jaringan komputer dengan BGP memiliki efisiensi jaringan yang tinggi dengan rata-rata latency 0 ms (82 ms tanpa BGP) dan traceroute (konten lokal) 4 hop (8 hop tanpa BGP), namun traceroute (kontel non lokal) memiliki nilai presentase yang sama dikarenakan seluruh prefix non lokal harus diperoleh dari port backbone (port lama tanpa BGP).
Performance Analysis of Isolation Forest Algorithm in Fraud Detection of Credit Card Transactions Indra Waspada; Nurdin Bahtiar; Panji Wisnu Wirawan; Bagus Dwi Ari Awan
Khazanah Informatika Vol. 6 No. 2 October 2020
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v6i2.10520

Abstract

Losses incurred due to fraud on e-commerce transactions, especially those based on credit cards, continue to increase, resulting in large losses each year. One mechanism to minimize the risk of fraudulent credit card transactions is to utilize a detection technique for ongoing transactions. Credit card transaction data in its original state does not have a label, and the amount of fraud data on the training data is very small so that it belongs to a very unbalanced category, and the pattern of fraud continues to change. Isolation forest is an unsupervised algorithm that is efficient in detecting anomalies. Several techniques can be applied to improve the performance of the Isolation forest model. Previous studies used the ROC-AUC metric in analyzing the performance of Isolation Forests, which could provide incorrect information. This study made two contributions; the first is to present a performance analysis with both the ROC-AUC and AUCPR. Thus, it can be seen that the high ROC-AUC value does not guarantee the model has the reliability in detecting fraud. In comparison, the information provided through AUCPR is more appropriate to describe the ability of the model to capture data fraud. The second contribution is to propose several techniques that can be applied to improve the performance of the Isolation forest model, namely to optimize the determination of the amount of training data, feature selection, the amount of fraud contamination, and setting hyper-parameters in the modeling stage (training). Experiments were carried out using a real-life dataset from ULB. The best results are obtained when the validation data split ratio is 60:40, using the five most important features, using only 60% of fraud data, and setting hyper-parameters with the number of trees 100, 128 sample maximum, and 0.001 contamination. The validation performance of this model is precision 0.809917, recall 0.710145, F1-score 0.756757, ROC-AUC 0.969728, and AUCPR 0.637993, while for Testing results obtained precision 0.807143, recall 0.763514, F1-score 0.784722, ROC-AUC 0.97371, and AUCPR 0.759228.
Klasifikasi dan Klastering Penjurusan Siswa SMA Negeri 3 Boyolali Yusuf Sulistyo Nugroho
Khazanah Informatika Vol. 1 No. 1 Desember 2015
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v1i1.1175

Abstract

SMA N 3 Boyolali merupakan salah satu sekolah menengah di kota Boyolali yang saat ini telah memiliki 2 jurusan yaitu IPA dan IPS. Penjurusan siswa ini dapat mengarahkan peserta didik agar lebih fokus dalam mengembangkan kemampuan diri dan minat yang dimiliki. Pemilihan jurusan yang tidak tepat bisa sangat merugikan siswa terhadap minat dan karir mereka di masa mendatang. Dengan penjurusan tersebut diharapkan dapat memaksimalkan potensi, bakat atau talenta individu, sehingga dapat memaksimalkan nilai akademisnya. Berdasarkan latar belakang tersebut, maka dengan menerapkan teknik data mining diharapkan dapat membantu siswa untuk menentukan jurusan yang tepat sesuai dengan kriteria yang ditetapkan. Adapaun teknik data mining yang digunakan dalam penentuan jurusan ini menggunakan 3 buah metode yaitu Algoritma C4.5, Naive Bayes dan Algoritma K-Means. Sedangkan atribut yang digunakan terdiri dari Gender, Minat, Rata-rata nilai IPA, Rata-rata nilai IPS, nilai Psikotest IPA, nilai Psikotest IPS, Asal Sekolah dan Jurusan. Analisis dilakukan dengan bantuan aplikasi RapidMiner 5 untuk mengetahui nilai-nilai perbandingan terhadap metode yang digunakan. Hasil penelitian menggunakan perbandingan 3 metode menunjukkan bahwa berdasarkan nilai precision, metode naive bayes lebih baik dibandingkan dengan metode yang lain dengan nilai 77,51%. Sedangkan berdasarkan nilai recall dan accuracy, decision tree lebih baik dibandingkan dengan metode yang lain dengan nilai recall sebesar 90,80% dan nilai accuracy sebesar 79,14%. Variabel yang paling berpengaruh dalam menentukan penjurusan yaitu rata-rata nilai IPA sehingga perlu dijadikan pertimbangan bagi pihak sekolah untuk menentukan jurusan siswa.
Kinerja Algoritme Pengenalan Wajah untuk Sistem Penguncian Pintu Otomatis Menggunakan Raspberry-Pi Raden Budiarto
Khazanah Informatika Vol. 3 No. 2 Desember 2017
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v3i2.5160

Abstract

Pengenalan wajah mampu memberikan pengalaman interaksi yang paling alami, hal yang serupa ketika manusia mampu mengenali manusia lain melalui wajah. Hal positif lain dalam implementasi pengenalan wajah juga akan mengurangi biaya karena tidak memerlukan alat pengenal khusus selain kamera yang saat sudah tertanam di berbagai perangkat seperti laptop, smartphone, atau tablet. Bagaimana pun mengenali wajah bukan merupakan tugas mudah bagi komputer. Masalah ini timbul karena komputer diharuskan untuk melakukan klasifikasi wajah dengan berbagai situasi dan kondisi seperti pencahayaan yang gelap, dan tangkapan gambar latar belakang yang ada. Makalah ini mengajukan penelitian sistem pengenalan wajah menggunakan Raspberry Pi yang diterapkan pada sebuah prototipe pengunci pintu. Metode yang digunakan yakni mengambil sampel dataset kemudian mengevaluasi dan membandingkan algoritme pembelajaran untuk dianalisis tingkat keakuratan dan kecepatan dalam mengenali wajah. Pengujian dilakukan untuk menganalisis metode training dataset yang paling baik untuk diimplementasikan berdasarkan kriteria sensitivitas, spesifisitas dan false rate.Terdapat 4 buah algoritme yang diuji yakni Eigenfaces/PCA dan K-Nearest Neighbor (K-NN), PCA-LDA dan K-NN, Eigenfaces/PCA dan Support Vector Machine (SVM), PCA-LDA dan SVM. Hasil penelitian menunjukkan algoritme hybrid Eigen-Fisherfaces (PCA-LDA) dan k-nearest neighbor adalah yang metode yang paling akurat untuk pengenalan wajah.
Penerapan Algoritma AES dan Konversi SMS ke dalam Bahasa KHEK pada Aplikasi Enkripsi Berbasis Mobile Application Chandra Kirana; Edi Sugianto
Khazanah Informatika Vol. 5 No. 1 June 2019
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v5i1.7453

Abstract

Telepon Selular (ponsel) atau dikenal dengan nama HP (handphone) memiliki banyak keunggulan dan kelebihan baik dari segi fasilitas yang dimilikinya, salah satu fasilitas yang banyak digunakan berupa SMS. Akan tetapi fasilitas yang berupa SMS ini memiliki kerentanan berupa penyadapan, maka dari itu diusulkan sebuah aplikasi enkripsi menggunakan algoritma AES dan konversi bahasa khek. Algortima Advanced Encryption Standard (AES) merupakan algoritma kriptografi modern yang bersifat simetris. Pada algoritma AES kunci yang dipakai memiliki panjang bervariasi yaitu 128,192,256 dengan memiliki jumlah ronde yang berbeda pula tergantung panjang kunci-nya. Bahasa Khek adalah bahasa yang dituturkan oleh orang Hakka, memiliki 9 jenis dialek, salah yang digunakan adalah dialek lufang. Dengan menerapkan algoritma AES dan konversi bahasa khek pada aplikasi enkripsi, pengamanan pesan yang dikirim akan terjamin kerahasiaan nya, sehingga pihak yang tidak berwenang, tidak dapat mendapatkan informasi pesan yang dikirimkan. Dalam pengembangan aplikasi selanjutnya diharapkan aplikasi yang dibangun dapat mempunyai fasilitas untuk menyembunyikan sebuah folder yang digunakan untuk menyimpan hasil enkripsi dan juga dekripsi.
Corn Seeds Identification Based on Shape and Colour Features Haddad Alwi Yafie; Ema Rachmawati; Esa Prakasa; Amin Nur
Khazanah Informatika Vol. 6 No. 2 October 2020
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v6i2.10840

Abstract

Corn is one of the agricultural products that are essential as daily food sources or energy sources. Corn selection or sorting is important to produce high-quality seeds before its distribution to areas with varying conditions and agricultural characteristics. Hence, it is necessary to build corn seeds identification. In this paper, we propose a corn seed identification technique that incorporates the advantage of combining shape and colour features. The identification process consists of three main stages, namely, ROI selection, feature extraction, and classification using the Artificial Neural Network (ANN) algorithm. The shape feature originates from the eccentricity value or comparison value between a distance of minor ellipse foci and major ellipse foci of an object. Meanwhile, the color features are extracted based on the HSV (Hue-Saturation-Value) channel. The experimental result shows that the proposed system achieves excellent performance for the identification of poor and good corn quality for BIMA-20 and NASA-29 species. The classification result for BIMA-20 Good vs. BIMA-20 Bad gives an accuracy of 89%, while the classification accuracy of BIMA-20 Good vs. NASA-29 Good is 97%.
Perancangan dan Pengujian Load Balancing dan Failover Menggunakan NginX Rahmad Dani; Fajar Suryawan
Khazanah Informatika Vol. 3 No. 1 Juni 2017
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v3i1.2939

Abstract

Situs web dengan traffic yang tinggi dapat menyebabkan beban kerja yang berat di sisi server, yang pada gilirannya akan mengakibatkan turunnya kinerja server, bahkan kegagalan sistem secara keseluruhan. Salah satu solusi untuk mengatasi masalah tersebut adalah dengan menerapkan teknik load balancing dan failover. Load balancing merupakan teknologi untuk melakukan pembagian beban kepada beberapa server, memastikan tidak terjadi kelebihan beban pada salah satu server. Sementara itu, failover merupakan kemampuan suatu sistem untuk berpindah ke sistem cadangan jika sistem utama mengalami kegagalan. Dalam penelitian ini load balancing dengan teknik failover akan diimplementasikan pada sistem operasi Ubuntu. Software inti yang digunakan dalam penelitian ini adalah Nginx dan KeepAlived. Nginx akan berfungsi sebagai load balancer, sedangkan KeepAlived untuk mengimplementasikan teknik failover. Beberapa skenario telah disiapkan untuk menguji sistem load balancing yang telah dirancang. Pengujian dilakukan dengan menggunakan perangkat lunak JMeter. Berdasarkan pengujian yang telah dilakukan, sistem yang dirancang berhasil membagikan beban permintaan dan dapat terus bekerja walaupun terjadi kegagalan pada server load balancer ataupun kegagalan pada server backend. Selain itu, dalam beberapa pengujian, penggunaan load balancing terbukti mampu menurunkan waktu respon dan meningkatkan thoughput pada sistem sehingga mampu meningkatkan performa keseluruhan sistem. Mengacu pada hasil penelitian ini, sistem load balancing dan failover menggunakan Nginx dapat dijadikan salah satu solusi pada sistem web server dengan situs web yang memiliki traffic tinggi.

Page 18 of 25 | Total Record : 250

 16   17   18   19   20 

Filter by Year

2015 2023


Reset
Filter By Issues
All Issue Vol. 9 No. 2 October 2023 Vol. 9 No. 1 April 2023 Vol. 8 No. 2 October 2022 Vol. 8 No. 1 April 2022 Vol. 7 No. 2 October 2021 Vol. 7 No. 1 April 2021 Vol. 6 No. 2 October 2020 Vol. 6 No. 1 April 2020 Vol. 5 No. 2 December 2019 Vol. 5 No. 1 June 2019 Vol. 5 No. 1 Juni 2019 Vol. 4 No. 2 Desember 2018 Vol. 4 No. 2 Desember 2018 Vol. 4 No. 1 Juni 2018 Vol. 4 No. 1 Juni 2018 Vol. 3 No. 2 Desember 2017 Vol. 3 No. 2 Desember 2017 Vol. 3 No. 1 Juni 2017 Vol. 3 No. 1 Juni 2017 Vol. 2 No. 2 Desember 2016 Vol. 2 No. 2 Desember 2016 Vol. 2 No. 1 Juni 2016 Vol. 2 No. 1 Juni 2016 Vol. 1 No. 1 Desember 2015 Vol. 1 No. 1 Desember 2015 More Issue