Indonesian Journal on Computing (Indo-JC)
Indonesian Journal on Computing (Indo-JC) is an open access scientific journal intended to bring together researchers and practitioners dealing with the general field of computing. Indo-JC is published by School of Computing, Telkom University (Indonesia).
Articles
12 Documents
Search results for
, issue
"Vol. 2 No. 1 (2017): Maret, 2017"
:
12 Documents
clear
<![CDATA[Performansi Implementasi Numerik Metode Pseudo Spectral pada Model Gelombang 1D Boussinesq ]]>
<![CDATA[Didit Adytia]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.164
<![CDATA[In the design of a numerical wave tank, it is necessary to use an accurate wave model as well as to choose an accurate and efficient numerical scheme for implementing the model. In this paper, we use a Pseudo-Spectral (PS) implementationfor a wave model so called Variational Boussinesq Model. The implementation is aimed to obtain a higher time efficiency in the calculation of wave simulations. The performance of the PS implementation is compared in CPU-time with a Finite Element (FE) implementation of the wave model for simulating a focusing wave group. Results of both implementations give a good agreement with wave data from laboratory experiment. The PS-implementation gives more efficient CPU-time compared to the FE-implementation.]]>
<![CDATA[Analisis dan Implementasi Imputation-Boosted Neighborhood-Based Collaborative Filtering Menggunakan Genre Film ]]>
<![CDATA[Rita Rismala]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.50
<![CDATA[Sistem rekomendasi adalah sebuah sistem yang mampu memberikan rekomendasi sejumlah item kepada user dengan memprediksi rating terhadap item berdasarkan minat user. Neighborhood-based collaborative filtering adalah salah satu metode pada Sistem Rekomendasi untuk melakukan perhitungan prediksi rating. Akan tetapi, neighborhood-based collaborative filtering tidak mampu memberikan prediksi rating yang akurat ketika data rating yang ada bersifat sparse atau memiliki banyak kekosongan. Kekosongan data mengakibatkan perhitungan similarity antar user atau item menjadi kurang tepat, yang berakibat pada pemilihan neighbor dan perhitungan prediksi yang tidak tepat pula. Salah satu solusi adalah melakukan imputasi yaitu proses pengisian awal terhadap data dengan metode tertentu. Dengan memanfaatkan feature item berupa genre, dilakukan imputasi terhadap data untuk selanjutnya digunakan oleh neighborhood-based collaborative filtering. Penelitian ini berfokus pada penerapan proses imputasi terhadap neighborhood-based collaborative filtering dan menganalisis pengaruhnya terhadap performansi. Hasil yang diperoleh adalah proses imputasi meningkatkan performansi akurasi prediksi rating pada dataset dengan sparsity 85%, dan peningkatan performansi yang terukur menjadi semakin besar seiring semakin sparse dataset yang ada.]]>
<![CDATA[Analisis Pengaruh Kernel Support Vector Machine (SVM) pada Klasifikasi Data Microarray untuk Deteksi Kanker ]]>
<![CDATA[Rima Diani]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.169
<![CDATA[Berdasarkan data dari Pusat Data dan Informasi Kementrian Kesehatan RI, di tahun 2012 sekitar 8,2 juta kasus kematian disebabkan oleh kanker. Perkembangan terakhir menunjukan bahwa teknologi DNA microarray mampu menangani masalah deteksi kanker sejak dini, namun kelemahan utama dari microarray adalah masalah curse of dimensionality.Analysis of Variance (ANOVA) merupakan salah satu metode seleksi fitur yang dapat mengatasi kelemahan microarray. ANOVA dapat menemukan pasangan gen informatif yang dapat membantu dalam proses pengklasifikasian yang dilakukan oleh Support Vector Machine (SVM). Dalam SVM, kernel trick saat learning model sangat membantu dalam mengatasi masalah feature space. Pemilihan kernel berpengaruh terhadap akurasi yang dihasilkan. Melalui serangkaian proses seperti perhitungan korelasi, seleksi fitur dan pengklasifikasian menggunakan SVM, didapatkan akurasi dari empat dataset yang digunakan. Untuk dataset leukimia dan ovarian cancer, akurasi terbesar dihasilkan oleh kernel polynomial yaitu sebesar 100% dan 97,54%. Sedangkan untuk dataset lung cancer akurasi terbesar diperoleh dari kernel linear yaitu sebesar 100% dan untuk dataset colon tumor akurasi terbesar diperoleh dari kernel RBF sebesar 85,15%. Perbedaan kernel yang menghasilkan akurasi tertinggi pada setiap dataset sangat bergantung kepada karakteristik dataset kanker itu sendiri.]]>
<![CDATA[Pengembangan Rules-Driven Workflow Management System (RDWfMS) dengan Menggunakan Teknik Data Mining untuk Sistem Informasi Research Center ]]>
<![CDATA[Shaufiah Shaufiah]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.93
<![CDATA[The tight competition of business and technology today makes the organisation must be able to adapt to changes. The changes could affect not only business process model of the organisation but also their information system, which lead to high cost and time-consuming. Therefore, the design and implementation of an information system should handle with care. Furthermore, the organisation also needs to process data into information and knowledge to support their business. Hence, this research is developed to undertake those problems by developing the information system using hybrid approach of the workflow system and data mining technique with research centre organisation as a case study. The system named as SIMPLER which applying rules-driven workflow and data mining to process data into information and knowledge from research data. SIMPLER tested by measuring its ability as a workflow management system as well as measuring the quality based on end-user satisfaction and perception by using WebQual. Based on the test results indicate that the SIMPLER been able to satisfy the need for business process execution XYZ research centre, able to adapt to changes without reconstructing the source code and gained end users satisfaction of 81.81% and 85% of accuracy.]]>
<![CDATA[Implementasi Metode Runge-Kutta-Gill pada Anaerobic Digestion Model No. 1 untuk Memodelkan Produksi Biogas ]]>
<![CDATA[Ardhyka Dewantara]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.14
<![CDATA[Penelitian ini dilakukan untuk membuat model prediksi terhadap hasil biogas yang didapatkan dengan menggunakan reaktor tipe batch. Proses simulasi tersebut dapat menggunakan Anaerobic Digestion Model (ADM1) dengan menggunakan konsentrasi awal glukosa sebesar 500 mgCOD/l dan konsentrasi awal mikroba sebesar 30 mgCOD/l selama 106 jam. Pada penelitian ini bertujuan untuk mengetahui profil kinetika reaksi yang terlibat, penentuan akurasi perhitungan, pengaruh nilai pembagi interval terhadap waktu perhitungan, dan pengaruh konsentrasi awal pada substrat glukosa dan mikroba. Metode yang digunakan untuk memodelkan produksi biogas adalah Runge Kutta Gill. Hasil simulasi menunjukkan bahwa metana yang dihasilkan dari proses tersebut sebesar 417,49250 mgCOD/l dengan jumlah pembagi interval sebanyak 197.003. Selain itu, jumlah konsentrasi mikroba glukosa merupakan yang terbesar dibanding mikroba lainnya, sebesar 77,66615 mgCOD/l. Nilai parameter yang disarankan pada ADM1 hanya cocok untuk lama produksi kurang dari 29 jam. Konsentrasi awal substrat glukosa dan mikroba berpengaruh terhadap jumlah metana yang dihasilkan. Namun pada konsentrasi awal mikroba yang lebih dari 30 mgCOD/l maka akan menghasilkan jumlah metana yang cenderung konstan.]]>
<![CDATA[Active Queue Management (AQM) Performance Analysis Based On Controled Delay (CoDel) Against Bufferbloat On Real-Time Aplication ]]>
<![CDATA[Satria Mandala]]>;
<![CDATA[Muhammad Noer Iskandar]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.139
<![CDATA[Bufferbloat merupakan salah satu kondisi buffer dengan ukuran besar yang cenderungselalu penuh dan menyebabkan antrian panjang didalam buffer, jika hal ini terjadi secaraterus-menerus maka dapat menyebabkan jeda transmisi yang tinggi. Bufferbloat seringterjadi pada aplikasi berbasis real-time. Active Queue Management (AQM) merupakansalah satu cara untuk menangani terjadinya bufferbloat., AQM umumnya menggunakanalgoritma Drop Tail untuk menangani kondisi antrian panjang dalam buffer router dijaringan. Namun demikian, performansi AQM berbasis Drop Tail kurang dapatdiandalkan karena jeda transmisi dalam keadaan bufferbloat masih tinggi. Telah banyakstudi dilakukan untuk menangani bufferbloat, seperti Drop Tail, Random Early Detection(RED) dan Controlled Delay (CoDel). Dari riset yang telah dilakukan tersebut masih sulitditemukan performasi algoritma terbaik dalam menangani bufferbloat. Untuk hal tersebut,paper ini menyajikan studi performansi penanganan bufferbloat menggunakan ketigaalgoritma diatas. Dalam studi ini, video streaming digunakan sebagai traffic uji untukmenentukan performansi algoritma terbaik dalam mengatasi bufferbloat. Sedangkanmetriks uji yang digunakan dalam riset ini adalah latency, throughput dan packet-loss.Analisa hasil pengujian mengambil 3 hasil terbaik dalam setiap percobaan. Hasilpengujian menunjukan performansi algoritma CoDel jauh lebih baik dalam menanganilatency yang tinggi pada kondisi bufferbloat dibandingkan RED dan Drop Tail. Namununtuk packet-loss dan throughput performansi RED dan Drop Tail masih ungguldibanding algoritma CoDel]]>
<![CDATA[Aplikasi GIS Klasifikasi Tingkat Kerawanan Banjir Wilayah Kabupaten Bandung Menggunakan Metode Weighted Product ]]>
<![CDATA[eko darwiyanto]]>;
<![CDATA[Bintang Putra Binawan]]>;
<![CDATA[Danang Junaedi]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.141
<![CDATA[Banjir merupakan masalah tahunan di Kabupaten Bandung. Saat banjir berlangsung beberapa hari, biasanya bantuan berdatangan untuk korban banjir. Badan Penanggulangan Bencana Daerah (BPBD) berkepentingan memantau wilayah rawan banjir, terutama yang termasuk kelas rawan banjir yang tinggi dan sangat tinggi, agar bantuan tepat sasaran. BPBD pernah membuat perangkat lunak membuat pemetaan daerah rawan banjir, namun dinilai tidak fleksibel karena tidak dapat diupdate dengan data terbaru di tingkat kecamatan. Penelitian ini menggunakan metode Weighted Product dengan tambahan dapat diupdate dengan data terbaru sampai tingkat desa. Kriteria untuk mengklasifikasikan daerah rawan banjir adalah curah hujan, ketinggian, kemiringan, limpasan sungai, dan tutupan lahan. Data-data untuk 276 desa ini diperoleh dari BPS, Bappeda dan BPPD dan perlu dilakukan pengolahan data awal. Bobot kriteria dalam skala Likert yang diperoleh dari BPBD. Hasil klasifikasi daerah rawan banjir dengan Weighted Product ditampilkan dengan QGIS. Implementasi metode ini memberikan hasil akurasi sebesar 68% pada kelas kerawanan sangat tinggi, dan 80,4% pada kelas kerawanan tinggi.]]>
<![CDATA[Penggunaan Metode berbasis Graph untuk Mining Frequent Sequential Access Pattern Pada Studi Kasus : Website iGracias Universitas Telkom ]]>
<![CDATA[Rahmi Rohdiniyah]]>;
<![CDATA[Ibnu Asror]]>;
<![CDATA[Gede Agung Ary Wisudawan]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.146
<![CDATA[Penggunaan website pada bidang pendidikan, khususnya sebuah universitas, bertujuan untuk menyimpan berbagai informasi yang ada pada lingkungan universitas tersebut. Untuk itu, perlu dilakukan perbaikan struktur untuk memelihara kualitas dari web. Salah satu teknik yang dapat digunakan adalah dengan menggunakan web usage mining. Web usage mining merupakan salah satu cabang dari web mining yang digunakan untuk menemukan informasi atau pengetahuan yang bermanfaat dari pola navigasi user pada sebuah website. Pada penelitian ini menggunakan metode berbasis graph untuk frequent sequential access patterns dan menggunakan Igracias Universitas Telkom sebagai studi kasusnya. Karena Igracias selalu digunakan oleh seluruh entitas yang ada pada Universitas Telkom. Metode ini memiliki kelebihan untuk menemukan behavior pola pengaksesan user. Dari implementasi metoda ini didapat pola akses group user secara berurutan.]]>
<![CDATA[Prediksi Harga Cabai dengan Menggunakan pemodelan Time Series ARIMA ]]>
<![CDATA[Fikri Nur Hadiansyah]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.144
<![CDATA[Pada penelitian kali ini harga cabai diprediksi dengan menggunakan pemodelan time series ARIMA sehingga dapat diprediksi kemungkinan-kemungkinan terjadinya peningkatan harga cabai. Data akan dianalisis untuk ditentukan model ARIMA mana saja yang memungkinkan untuk dimodelkan sehingga akan didapatkan model yang efisien untuk pemodelan harga cabai ini. Hasil dari penelitian ini adalah sebuah model yang paling efisien untuk memprediksi kapan harga cabai mengalami peningkatan sehinnga para konsumen dapat melakukan pencegahan kelangkaan mendapat cabai.]]>
<![CDATA[Pengembangan dan Pengujian Sistem Grid Computing Menggunakan Globus Toolkit di Universitas Telkom ]]>
<![CDATA[Izzatul Ummah]]>
<![CDATA[ Indonesia Journal on Computing (Indo-JC) Vol. 2 No. 1 (2017): Maret, 2017 ]]>
Publisher : <![CDATA[School of Computing, Telkom University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.21108/INDOJC.2017.2.1.19
<![CDATA[In this research, we build a grid computing infrastructure by utilizing existing cluster in Telkom University as back-end resources. We used middleware Globus Toolkit 6.0 and Condor 8.4.2 in developing the grid system. We tested the performance of our grid system using parallel matrix multiplication. The result showed that our grid system has achieved good performance. With the implementation of this grid system, we believe that access to high performance computing resources will become easier and the Quality of Service will also be improved.]]>
