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
 19   20   21   22   23 
Customer Satisfaction Analysis Based On SERVQUAL Method to Determine Service Level of Academic Information Systems on Higher Education I Gusti Putu Asto Buditjahjanto
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.v6i2.10690

Abstract

Higher education institutions such as universities or institutes that create graduate students with high qualifications must be able to provide the best services to their stakeholders. One kind of higher education service is academic information system services. The service quality level of the academic information system in a university can be decided by measuring the level of users’ perception and the level of users’ expectations that can be fulfilled. As an organization that offers academic information system services, the university must be able to measure the level of academic information system services as an approach to ensure the quality of services. This study aims to determine the level of customer satisfaction index in terms of service of higher education academic information systems using the service quality method. The service quality method is used to identify academic information system services that are analyzed based on the service quality dimensions. The results show that the value of the customer satisfaction index is 77.37% which refers to the satisfied category.
Sistem Pakar dengan Metode Dempster Shafer untuk Diagnosis Gangguan Layanan INDIHOME di PT TELKOM Magelang Endang Lestari; Emilya Ully Artha
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.v3i1.3342

Abstract

Indihome (Indonesia Digital Home) merupakan salah satu produk triple play dari PT Telkom  berupa paket layanan telekomunikasi telepon rumah (voice), internet (internet on fiber), dan layanan tv kabel. Layanan Indihome berkembang cukup pesat. Namun demikian kontinuitas akses layanan PT Telkom ini masih mengalami berbagai gangguan sehingga kualitas layanan belum optimal. Untuk mengatasi permasalahan tersebut maka dibuatlah aplikasi diagnosis gangguan layanan yang menggunakan metode Dempster Shafer, yaitu metode untuk mengukur nilai kepercayaan terhadap hasil analisis yang ditampilkan. Hasil penelitian ini adalah sebuah sistem pakar yang mendiagnosis gangguan layanan Indihome. Sistem secara otomatis memberikan hasil diagnosis dengan menampilkan jenis gangguan beserta solusinya berdasarkan gejala gangguan yang dialami. Kesimpulan penelitian ini adalah bahwa sistem pakar dengan menggunakan metode Dempster Shafer untuk menangani ketidakpastian data saat diagnosis gangguan layanan Indihome sangat membantu dalam mengatasi masalah kualitas pelayanan yang menurun.
Perbandingan Algoritma Genetika dan Backpropagation pada Aplikasi Prediksi Penyakit Autoimun Debi Setiawan; Ramalia Noratama Putri; Reni Suryanita
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.v5i1.7173

Abstract

Penyakit autoimun adalah penyakit yang disebabkan oleh sistem imun yang kacau. Sehingga imun pada tubuh penderita menyerang penderita itu sendiri. Penelitian di Amerika Serikat menunjukkan lebih dari 23,5 juta penduduk menderita penyakit autoimun, sumber data Departemen Kesehatan dan Layanan Kemanusiaan Amerika Serikat. Pada data SIRS Online Ditjen Pelayanan Kesehatan 2017 menunjukkan data proporsi pasien berjenis kelamin laki-laki 54,3% dan pasien berjenis kelamin wanita 45,7%. Meningkatnya penderita penyakit autoimun disebabkan sulitnya untuk mendiagnosis penyakit autoimun, karena gejala dari penyakit autoimun bervariasi. Penelitian ini membandingkan algoritma backpropagation dan algoritma genetika dalam memprediksi penyakit autoimun. Perbandingan dilakukan berdasarkan nilai accuracy, sensitivity, dan precision. Data yang digunakan dalam penelitian ini adalah 24 data pasien penyakit dalam. Prediksi penyakit autoimun menggunakan algoritma backpropagation memiliki nilai accuracy 0.83, sensitivity 97%, dan precision 75%. Sedangkan prediksi penyakit autoimun dengan algoritma genetika memiliki nilai accuracy 0.76, sensitivity 81%, dan precision 75%. Dari perbandingan tersebut dapat disimpulkan bahwa algoritma backpropagation memberikan prediksi penyakit autoimun lebih baik dari algoritma genetika.
Detection of Cyber Malware Attack Based on Network Traffic Features Using Neural Network Ventje Jeremias Lewi Engel; Evan Joshua; Mychael Maoeretz Engel
Khazanah Informatika Vol. 6 No. 1 April 2020
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v6i1.8869

Abstract

Various techniques have been developed to detect cyber malware attacks, such as behavior based method which utilizes the analysis of permissions and system calls made by a process. However, this technique cannot handle the types of malware that continue to evolve. Therefore, an analysis of other suspicious activities – namely network traffic or network traffic – need to be conducted. Network traffic acts as a medium for sending information used by malware developers to communicate with malware infecting a victim's device. Malware analyzed in this study is divided into 3 classes, namely adware, general malware, and benign. The malware classification implements 79 features extracted from network traffic flow and an analysis of these features using a Neural Network that matches the characteristics of a time-series feature. The total flow of network traffic used is 442,240 data. The results showed that 15 main features selected based on literature studies resulted in F-measure 0.6404 with hidden neurons 12, learning rate 0.1, and epoch 300. As a comparison, the researchers chose 12 features based on the nature of the malware possessed, with the F-measure score of 0.666 with hidden neurons 12, learning rate 0.05, and epoch 300. This study found the importance of data normalization technique to ensure that no feature was far more dominant than other features. It was concluded that the analysis of network traffic features using Neural Network can be used to detect cyber malware attacks and more features does not imply better detection performance, but real-time malware detection is required for network traffic on IoT devices and smartphones.
Prediksi Penjualan Barang Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS) Allyna Virrayyani; Sutikno Sutikno
Khazanah Informatika Vol. 2 No. 2 Desember 2016
Publisher : Department of Informatics, Universitas Muhammadiyah Surakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/khif.v2i2.2554

Abstract

Prediksi penjualan barang merupakan salah satu cara untuk menjaga stabilitas penjualan barang. Hasil prediksi yang diperoleh dapat dijadikan sebagai pertimbangan untuk mengambil keputusan dalam perencanaan manajemen bisnis. Salah satu metode yang dapat digunakan untuk prediksi adalah Adaptive Neuro-Fuzzy Inference System (ANFIS). Di dalam penelitian ini, ANFIS diimplementasikan dalam sebuah aplikasi sistem prediksi penjualan barang. Prosedur prediksi menggunakan analisis runtun waktu. Aturan ANFIS menggunakan model fuzzy Takagi-Sugeno dan fungsi keanggotaan tipe Generalized bell dengan 2 data masukan untuk 1 data target. Dari hasil pelatihan dan pengujian ANFIS untuk penjualan Beras Delanggu Raja, diperoleh nilai Mean Absolute Persentage (MAPE) pelatihan sebesar 9.4180332828% dan diperoleh nilai MAPE pengujian sebesar 7.5343642644%. Hasil MAPE pengujian tersebut kurang dari batas toleransi error, yaitu 20 %. Batas toleransi tersebut berdasarkan penafsiran Batey dan Friedrich di mana MAPE 10% merupakan perkiraan yang sangat baik dan 10% MAPE 20% merupakan perkiraan yang baik. ANFIS berhasil memprediksi penjualan Beras Delanggu Raja pada bulan yang akan datang dengan total 4944. Aplikasi sistem telah diuji menggunakan pengujian black-box. Seluruh prosedur pengujian dinyatakan berhasil.
Optimasi Metode Klasifikasi Dengan Menggunakan Particle Swarm Optimization Untuk Identifikasi Penyakit Diabetes Retinopathy Toni Arifin; Asti Herliana
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.v4i2.6825

Abstract

Penyakit diabetic retinopathy, merupakan salah satu jenis penyakit yang bermula dari diabetes mellitus. Hingga dewasa ini, penyakit diabetic retinopathy masih sulit untuk dikenali pada tahap awal. Hal ini dimungkinkan karena sifat dari penyakit ini yang menyerang bagian dalam sistem saraf mata terlebih dulu. Hingga saat ini, para ahli masih mengandalkan pemeriksaan dengan menggunakan serangkain tes pada mata serta memeriksa rekam medis dari pasien. Metode yang digunakan hingga saat ini, selain tentunya memerlukan proses yang panjang juga menghabiskan biaya yang tidak murah. Hal ini dapat menyulitkan penderita dengan kondisi ekonomi lemah. Penelitian yang dilakukan kali ini, bermaksud untuk mendapatkan metode klasifikasi terbaik yang dapat menghasilkan tingkat akurasi yang tinggi bila dikombinasikan dengan metode Particle Swarm Optimization (PSO). Setelah didapatkan metode klasifikasi terbaik, maka dikemudian hari penelitian ini dapat dikembangkan menjadi sebuah perangkat lunak pendeteksi diabetic retinopathy. Dari penelitian yang dilakukan dapat disimpulkan bahwa metode Neural Network (NN) merupakan metode terbaik dalam menghasilkan akurasi yang tinggi bila dikombinasikan dengan metode pemilihan fitur PSO.
AR Edugame Ayo Cintai Lingkungan Sebagai Media Pembelajaran Siswa Sekolah Dasar Bashid Hery Purnomo
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.v1i1.1180

Abstract

Perangkat mobile mempunyai beragam aplikasi didalamnya, misalnya mobile learning. Perkembangan mobile learning diperkirakan akan dapat mendunia. Oleh karena itu penulis ingin memanfaatkan perkembangan mobile learning di Indonesia untuk membuat aplikasi Augmented Reality (AR) Edugame Ayo Cintai Lingkungan sebagai media pembelajaran siswa sekolah dasar dalam penelitian ini. Metode yang digunakan adalah prototyping yang merupakan bagian dari metode SDLC (System Development Life Cycle). aplikasi Augmented Reality Edugame Ayo Cintai Lingkungan yang didalamnya terdapat berbagai fitur untuk dimainkan oleh siswa adalah hasil dari penelitiannya yang akan dijelaskan pada paper ini.
Perancangan Aplikasi Chatting Berbasis Web di PT. Pura Barutama Kudus menggunakan Socket.IO dan Framework Foundation Ramos Somya
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.v4i1.5979

Abstract

Aplikasi chatting merupakan aplikasi yang penting pada sebuah perusahaan besar karena dapat dipastikan antara divisi satu dengan divisi yang lain berada di lokasi yang berjauhan. EDP Keuangan PT. Pura Barutama Kudus bertugas dalam pembuatan program aplikasi yang terkait dengan pengolahan data keuangan dan faktur di semua unit di PT. Pura Barutama. Aplikasi keuangan yang telah ada akan selalu berkembang sesuai dengan kebutuhan user. Kendala yang dihadapi adalah aktivitas komunikasi dan penyebaran informasi pada PT Pura Barutama dilakukan dengan menggunakan layanan email maupun aplikasi messenger. Untuk menggunakan layanan tersebut, perangkat yang digunakan harus selalu terkoneksi dengan internet. Apabila internet mati maka komunikasi tidak dapat dilakukan. Jalan satu-satunya untuk menyebarkan informasi adalah dengan menelepon satu-persatu ke tiap-tiap unit. Hal ini menimbulkan ketidakefisienan pekerjaan dan produktivitas perusahaan menjadi terganggu. Pada penelitian ini dilakukan perancangan aplikasi chatting dengan menggunakan Framework CodeIgniter, Socket.IO dan Framework Foundation untuk mengatasi masalah yang ada. Hasil dari penelitian ini adalah aplikasi chatting berbasis web yang dibangun menggunakan Framework CodeIgniter, Socket.IO dan Framework Foundation terbukti dapat membantu user untuk saling berkomunikasi atau melakukan attach file, serta mempermudah melakukan penyebaran informasi atau pengumuman baik dalam kondisi terhubung internet maupun tidak.
Analysis of Slow Moving Goods Classification Technique: Random Forest and Naïve Bayes Deny Jollyta; Gusrianty Gusrianty; Darmanta Sukrianto
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.v5i2.8263

Abstract

Classifications techniques in data mining are useful for grouping data based on the related criteria and history. Categorization of goods into slow moving group or the other is important because it affects the policy of the selling. Various classification algorithms are available to predict labels or class labels of data. Two of them are Random Forest and Naïve Bayes. Both algorithms have the ability to describe predictions in detail through indicators of accuracy, precision, and recall. This study aims to compare the performance of the two algorithms, which uses testing data of snacks with labels for package type, size, flavor and categories. The study attempts to analyze data patterns and decides whether or not the goods fall into the slow moving category. Our research shows that Random Forest algorithm predicts well with accuracy of 87.33%, precision of 85.82% and recall of 100%. The aforementioned algorithm performs better than Naïve Bayes algorithm which attains accuracy of 84.67%, precision of 88.33% and recall of 92.17%. Furthermore, Random Forest algorithm attains AUC value of 0.975 which is slightly higher than that attained by Naïve Bayes at 0.936. Random Forest algorithm is considered better based on the value of the metrics, which is reasonable because the algorithm does not produce bias and is very stable.
Integration of Double Exponential Smoothing Damped Trend with Metaheuristic Methods to Optimize Forecasting Rupiah Exchange Rate against USD during COVID-19 Pandemic Maftahatul Hakimah; Muchamad Kurniawan
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.v6i2.9887

Abstract

COVID-19 pandemic has brought great changes to the stability of the Indonesian state. The disease not only has an impact on public health but also has the effect of weakening the economic sector. One indicator is the weakening of the rupiah exchange rate against the USD. When the pandemic emerged, the rupiah exchange rate started to weaken, which may encourage investors to reduce investment in Indonesia. Therefore, it is necessary to predict the rupiah exchange rate during the COVID-19 pandemic for the coming period. This study applies the Double Exponential Smoothing forecasting method by adding a damped trend factor. The calculation of the parameters of the method becomes the research optimization problem. This optimization problem is then solved using metaheuristic methods, namely Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). The performance of the forecasting model is measured based on the magnitude of the forecast error. This study shows that the PSO algorithm is better at obtaining the optimal parameters for predicting the rupiah exchange rate in the coming period compared to GA. The integration error rate of Double Exponential Smoothing damped trend with PSO is 0.70%, while the error rate for the same method with GA is 0.72%. Thus, the integrated performance of double exponential smoothing with metaheuristic optimization is a more excellent method in predicting the rupiah exchange rate against the USD during the period of the Coronavirus outbreak. Furthermore, the addition of a trend dampening factor to the DES method also significantly increases the forecast accuracy.

Page 21 of 25 | Total Record : 250

 19   20   21   22   23 

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