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 bandung,
Jawa barat
INDONESIA
Indonesian Journal on Computing (Indo-JC)
Published by Universitas Telkom
ISSN : 24609056     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
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).
Arjuna Subject : -
Articles 20 Documents
 1   2 
Search results for , issue "Vol. 4 No. 2 (2019): September, 2019" : 20 Documents clear
Pointer Generator dan Coverage Weighting untuk Memperbaiki Peringkasan Abstraktif Agna Silpi Alpiani; Suyanto Suyanto
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.341

Abstract

Model Long Short – Term Memory (LSTM) sequence-to-sequence telah banyak digunakan untuk menyelesaikan tantangan dalam peringkasan teks. Namun, model ini masih memiliki dua masalah utama yaitu, kemunculan kata diluar kosakata atau sering disebut out-of-vocabulary (OOV), dan perulangan kata. Pada makalah ini, pointer generator dan coverage weighting diterapkan untuk mengatasi dia masalah tersebut. Dimulai dengan model sequence-to-sequence dasar. Kemudian kami kembangkan dengan attention mechanism yang telah ditambahkan coverage weigting pada perhitungannya untuk mengurangi terjadinya perulangan kata, dan mengganti encoder menjadi bi-directional LSTM. Setelah itu kami mengimplementasikan pointer generator yang dapat  menunjuk kembali ke kata dalam teks sumber dan menghasilkan kata jika bertemu dengan kata OOV. Menggunakan dataset artikel berita bahasa Inggris CNN/Daily Mail dan metrik evaluasi ROUGE score, model kami menghasilkan hasil yang mirip dengan ringkasan teks sumber.
Group Recommender System Using Hybrid Filtering for Tourism Domain Lutfi Ambarwati; Z. K. A. Baizal
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.258

Abstract

Group recommender system is built to overcome the different needs that exist in each of the tour group members in determining tourist destinations. This is because everyone has different desires in determining the constraints of tourist destinations, such as costs and tourist categories. This recommendation process is based on a combination of profiles of each member to produce a tourist destination that can fulfill their needs. The method used is hybrid filtering which is a combination of collaborative filtering and knowledge-based filtering. Because the two methods have their own shortcomings. The collaborative method has a deficiency of tourist items that have never been rated by a user before, so the item cannot be recommended for active users. While in knowledge-based, tourist items must be completely described in detail so that they can be recommended to users. Domain used in this research is Bandung Raya area. The results of the evaluation in this study, users tend to feel very satisfied for the results of group travel recommendations generated the application by 50%. As for the evaluation of the recommendation algorithm, users prefer the results of the recommendations produced by collaborative and hybrid methods.
Empirical Comparison of Time Series Data Mining Algorithms SAKINAT OLUWABUKONLA FOLORUNSO
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.329

Abstract

Time series is a sequence of observed data that is usually ordered in time. Time series data mining is the innovative application of the principles and techniques of data mining in the analysis of time series.  This research is aimed to apply data mining techniques to forecasting time series data. Electric Power consumption data consumed by Nigerians from 2001 to 2017. Experiments are conducted with four data mining techniques: Random Regression Forest (RRF), Linear Regression (LR), Support Vector Regression (SVR) and Artificial Neural Network (ANN) which were evaluated based on their forecasting errors generated: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE) and prediction accuracy on Waikato Environment for Knowledge Analysis (WEKA) platform. The combination of parameters that yields the best results in terms of predefined performance criteria was chosen as optimal for each regressor. A comparative analysis of the regressors’ performance was conducted. All the tested regressors have demonstrated the best prediction quality in short periods of time. SVR demonstrated the best results in terms of both error values and time expenses.  Keywords: Time Series Forecast, Time Series Data Mining, Classification Algorithms, Regression analysis, Power consumption
Smart Packaging Machine dengan Menggunakan Teknologi Internet of Things (IoT) Berbasis Fuzzy Logic untuk Penghematan Daya Listrik Hanifa Zahra Dhiah; Novian Anggis Suwastika; Aji Gautama Putrada
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.318

Abstract

Sekali produksi dalam keadaan normal tanpa ada kendala apapun, daya listrik yang terpakai oleh mesin packaging adalah 1200-1800 watt, jika terjadi kendala pada saat produksi akan memakan daya listrik lebih dari itu. Penyebab terjadinya pemakaian daya listrik yang berlebih adalah, ketika stok makanan ataupun stok plastik telah habis, mesin tetap berjalan, dan hal tersebut tidak bisa ditangani secara langsung, karena mesin packaging ini tidak memiliki kemampuan untuk mematikan mesin secara otomatis ketika stok makanan telah habis, juga tidak adanya orang yang memonitoring hal tersebut secaralangsung dikarenakan banyaknya mesin yang beroperasi ketika waktu produksi berlangsung. Dampak dari hal tersebut, salah satu yang paling utamanya adalah borosnya konsumsi energi listrik pada saat sekali produksi, dan hal tersebut tidak baik bagi keuangan sebuah industri dan juga tidak baik bagi lingkungan. Tujuan dari pembuataan paper ini untuk mengurangi permasalahan penghematan konsumsi energi listrik dengan dibuatnya sistem yang menggunakan teknologi Internet of Things (IoT) dengan berbasis fuzzy logic untuk penghematan daya listrik, analisis Fuzzy logic digunakan untuk mengolah inputan daya listrik yang di hasilkan mesin, yang diperuntukkan mengontrol kinerja mesin. Hasil yang didapatkan dengan menggunakan metode fuzzy logic serta teknologi IoT sebagai kontrol otomatis adalah produktivitas mesin menjadi lebih hemat 80.15% dari biasanya.
Perbandingan Prediksi Harga Saham dengan model ARIMA dan Artificial Neural Network Bagas Yafitra Pandji; Indwiarti Indwiarti; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.344

Abstract

Kondisi perekonomian dunia mengalami perubahan yang signifikan, mayoritas merupakan dampak dari kenaikan minyak dunia, karena minyak merupakan sumber energi utama di dunia. Kondisi tersebut juga berimbas pada harga saham di pasar modal. Ada beberapa variabel yang mempengaruhi nilai return saham, yang sifatnya linier dan non-linier terhadap return harga saham. Untuk memodelkan observasi yang linier digunakan model time series Autoregressive Moving Average (ARIMA). Selanjutnya, untuk observasi yang non-linier digunakan Artificial Neural Network (ANN). Pada penelitian ini didapatkan perbandingan hasil perhitungan error RMSE dengan model ARIMA (1, 0, 0), dan ARIMA (2, 0, 0), masing-masing sebesar 1,3738, 1.5514, sedangkan ANN dengan 16 hidden layer sebesar 4.6814. Hasil dari penelitian ini model ARIMA (1, 0, 0) lebih akurat dibandingkan metode ANN dalam prediksi harga saham PT. Bumi Citra Permai Tbk.Kata Kunci: ARIMA, ANN, Prediksi, Saham
Pemilihan Portofolio dengan Metode Polynomial Goal Programming (PGP) Berdasarkan Momen Tinggi dan Entropi pada Saham JII Reza Pratama; Deni Saepudin; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.302

Abstract

Dalam berinvestasi di pasar saham, hal yang perlu diperhatikan adalah bagaimana cara untuk melakukan manajemen atau diversifikasi portofolio yang tepat. Dalam memilih portofolio, Markowitz telah mengemukakan suatu teori modern yang memadukan antara ekspektasi return dan variansi return (resiko). Namun model milik Markowitz hanya berlaku jika distribusi data return saham berdistribusi normal. Penambahan momen tinggi yaitu skewness, kurtosis serta entropi shanon dan gini simpson menjadi solusi untuk data yang tidak berdistribusi normal. Penambahan momen pertama, kedua dan seterusnya menciptakan masalah optimasi berbentuk polinomial yang diselesaikan menggunakan Polynomial Goal Programming (PGP). PGP sendiri mengimplementasikan Minkowksi distance dengan momen tinggi dan entropi sebagai objektifnya. Sehingga, nilai optimum masing-masing objektif dapat diketahui dan disubstitusi ke dalam model PGP sehingga didapatkan output berupa nilai optimum masing-masing objektif terbaru sesuai model PGP yang diterapkan. Setelah menerapkan model PGP, hasil dari nilai optimum objektif terbaru akan dibandingkan antara model satu dengan lainnya. Didapatkan, kinerja model PGP yang melibatkan mean dan entropi gini simpson lebih baik daripada model milik Markowitz atau model tanpa dilakukan optimasi dalam hal mendapatkan keuntungan dan mengurangi resiko dalam pemilihan portofolio.
Pembangunan Pensejajaran Kata Monolingual (Monolingual Word Alignment) pada Terjemahan Al-Quran Bahasa Indonesia kurnia sari lingga; Moch Arif Bijaksana; Arie Ardiyanti
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.331

Abstract

Paper ini membahas tentang pembangunan pensejajaran kata monolingual pada terjemahan Al-Quran Bahasa Indonesia. Topik ini diambil karena alignment merupakan komponen utama dari beberapa pemrosesan bahasa alami yaitu textual entailment recognition, textual similarity identification, paraphrase detection, question answering dan text summarization. Selain itu terjemahan Al-Quran ini sangat banyak versinya sehingga membutuhkan penafsiran untuk mengartikan terjemahan yang berbeda namun memiliki makna yang sama. Dengan adanya teknik ini beberapa kata terjemahan Al-Quran yang berbeda dapat disejajarkan, sehingga kata-kata tersebut akan terkelompokkan berdasarkan kemiripan semantiknya. Teknik ini juga dapat digunakan lebih lanjut untuk pembangunan synonim set dan WordNet. Inputan dari sistem berupa pasangan terjemahan untuk sebuah ayat yang sama. Evaluasi pada penelitian ini menghasilkan skor korelasi 0.82 dengan nilai toleransi kesalahan pada sistem sebesar 0.18. Korelasi antar ayat yang memiliki kemiripan semantik sejauh penelitian ini sudah dapat dikatakan memadai namun jika ingin ditingkatkan kembali maka diperlukannya fitur dan basis pengetahuan yang lebih lengkap lagi.
Sistem Pencarian Lintas Ayat Al-Qur'an Berdasarkan Kesamaan Fonetis Eki Rifaldi; Moch Arif Bijaksana; Kemas Muslim Lhaksamana
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.342

Abstract

Mencari teks Arab dalam Al-Qur'an tidak mudah bagi pengguna yang tidak memiliki cukup pengetahuan tentang bahasa dan tulisan Arab. Banyaknya ayat dan perbedaan bahasa dalam Al-Qur'an menimbulkan kesulitan tersendiri untuk pencarian ayat oleh masyarakat muslim Indonesia. Dibutuhkan sistem pencarian ayat Al-Qur'an berbasis fonetis yang dapat memudahkan pengguna dalam mencari ayat menggunakan tulisan latin berhuruf alfabet yang merepresentasikan bunyi pengucapan pengguna. Sebagai contoh, jika dilakukan pencarian kata الْحَمْدُ لِلَّـهِ maka sistem akan menampilkan seluruh ayat yang memiliki kemiripan bunyi dengan kata kunci. Untuk saat ini, sudah ada sistem pencarian ayat Al-Qur'an dengan menggunakan phonetic string matching, namun terbatas hanya dapat menemukan ayat berdasarkan query yang tidak lintas ayat. Kemudian jika dilakukan pencarian kata lintas ayat يَوْمِ الدِّينِ (4) إِيَّاكَdengan pencocokan string dalam database, maka sistem tidak dapat memberikan hasil pencarian dua ayat sekaligus. Oleh karena itu, dibangun suatu sistem pencarian ayat Al-Qur'an berdasarkan kemiripan bunyi (fonetis) yang dapat melintasi ayat. Algoritma N-gram berupa trigram digunakan untuk menemukan ayat-ayat yang memiliki kemiripan bunyi (fonetis) karena memiliki MAP yang tinggi untuk kata kunci panjang. Untuk mencari lintas ayat, lima buah trigram ayat selanjutnya ditambahkan ke ujung trigram ayat sebelumnya. Kemudian diperoleh nilai MAP 0,9 dan Recall 0,93.
Smart Packaging Machine (SPANE) berbasis Fuzzy Logic pada Jaringan Internet Of Things (IoT) untuk Optimasi Packing Berat Makanan Taufik Suyanto; Novian Anggis Suwastika; Aji Gautama Putrada
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.320

Abstract

Salah satu permasalahan optimasi kemasan makanan adalah ketidaktepatan berat kemasan makanan. Kasus ketidaktepatan berat kemasan makanan ini sering terjadi pada sistem kemasan makanan konvensional yang sepenuhnya mengandalkan pada perhitungan timbangan digital tanpa proses pengecekan berat secara berulang. Untuk mengatasi kasus ketidaktepatan berat kemasan makanan tersebut diperlukan pengawasan yang terus menerus serta sistem yang mampu melakukan perhitungan dan memberikan keputusan yang tepat pada berat makanan yang sudah dikemas. Internet of Things mampu memberikan kemampuan untuk melakukan pengawasan otomatis secara terus menerus. Sementara fuzzy logic memberikan kemampuan untuk memberikan keputusan terhadap ketepatan berat kemasan makanan. Pada penelitian ini, dibangun smart packaging machine (SPANE) yaitu sistem timbangan digital berbasis IoT dan fuzzy untuk meningkatkan optimasi kemasan makanan. Tahap pertama, pengambilan data dari alat penghitung beban konvensional dan digital. Tahap kedua, data timbangan di analisa dengan kontrol fuzzy logic. Tahap ketiga, ditentukan hasil optimasi yang lebih baik dari kedua alat penghitung beban. Hasil pengujian yang dilakukan didapatkan hasil pada timbangan konvensional 96.24% sedangkan pada SPANE 98.50%. Optimasi kemasan makanan dapat ditingkatkan hingga 3%.
Improving Smart Lighting with Activity Recognition Using Hierarchical Hidden Markov Model Nur Ghaniaviyanto Ramadhan; Aji Gautama Putrada; Maman Abdurohman
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.307

Abstract

This paper has the aim of implementing the smart lighting systems that is able to analyze daily movement activities, analyze the performance of hierarchical hidden markov models as predictions and analyze the performance of smart lighting with activity analysis using hierarchical hidden markov models. The purpose is to answer the problems that occur, namely the smart lights only turn on if users are right under the lights so users need a smart light which is able to read the movement of people when approaching the lamp or not. Secondly, there are also smart lights, but when usersare under the lights, it only lights up for a few seconds which should light up if there is a person below or a radius around the lamp so that a smart light is needed when someone is underneath and the lights will die it is outside the radius around the lamp. The model used is the hierarchical hidden markov model which is an extension of the hidden markov model which can solve the problem of evaluation, conclusion and learning with the algorithm used is the viterbi algorithm. The result obtained using HHMM are accuracy of 93%, 92% recall and 86% precision.

Page 2 of 2 | Total Record : 20

 1   2 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol. 9 No. 3 (2024): December, 2024 Vol. 9 No. 2 (2024): August, 2024 Vol. 9 No. 1 (2024): April, 2024 Vol. 8 No. 3 (2023): December 2023 Vol. 8 No. 2 (2023): August, 2023 Vol. 8 No. 1 (2023): April, 2023 Vol. 7 No. 3 (2022): December, 2022 Vol. 7 No. 2 (2022): August, 2022 Vol. 7 No. 1 (2022): April, 2022 Vol. 6 No. 3 (2021): December, 2021 Vol. 6 No. 2 (2021): September, 2021 Vol. 6 No. 1 (2021): April, 2021 Vol. 5 No. 3 (2020): December, 2020 Vol. 5 No. 2 (2020): September, 2020 Vol. 5 No. 1 (2020): Maret, 2020 Vol. 4 No. 3 (2019): December, 2019 Vol. 4 No. 2 (2019): September, 2019 Vol. 4 No. 1 (2019): Maret, 2019 Vol. 3 No. 2 (2018): September, 2018 Vol. 3 No. 1 (2018): Maret, 2018 Vol. 2 No. 2 (2017): September, 2017 Vol. 2 No. 1 (2017): Maret, 2017 Vol. 1 No. 2 (2016): September, 2016 Vol. 1 No. 1 (2016): March, 2016 More Issue