cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
santi astawa
Contact Email
santi.astawa@unud.ac.id
Phone
-
Journal Mail Official
jik@unud.ac.id
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Ilmu Komputer
Published by Universitas Udayana
ISSN : 19795661     EISSN : 2622321X     DOI : -
Core Subject : Science, Education,
Computer Science & IT Languange, Linguistic, Communication & Media Library & Information Science
JIK is a peer-reviewed scientific journal published by Informatics Department, Faculty of Mathematics and Natural Science, Udayana University which has been published since 2008. The aim of this journal is to publish high-quality articles dedicated to all aspects of the latest outstanding developments in the field of computer science. JIK is consistently published two times a year in April and September. This journal covers original article in computer science that has not been published. The article can be research papers, research findings, review articles, analysis and recent applications in computer science.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 10 No 1 (2017): April 2017" : 6 Documents clear
PREDIKSI KUNJUNGAN WISATAWAN DENGAN RECURRENT NEURAL NETWORK EXTENDED KALMAN FILTER Ahmad Ashril Rizal
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (845.812 KB)

Abstract

Prediksi adalah salah satu unsur yang sangat penting dalam pengambilan keputusan, sebab efektif atau tidaknya suatu keputusan umumnya tergantung dari beberapa faktor yang tidak dapat kita lihat pada waktu keputusan diambil yang didasarkan pada data yang ada pada waktu sekarang dan waktu lampau. Dalam melakukan prediksi terdapat dua pendekatan yang digunakan. Pendekatan pertama disebut dengan time-series yaitu model yang tidak memperlihatkan kecenderungan dari data masa lalu yang tersedia, sedangkan pendekatan yang kedua adalah pendekatan yang memperlihatkan hubungan sebab akibat (cause-effects method) atau pendekatan yang menjelaskan terjadinya suatu keadaan (eksplanatory method) oleh sebab-sebab tertentu. Permasalahan yang muncul kemudian adalah bagaimana melakukan prediksi. Pada awalnya untuk melakukan prediksi digunakan metode peramalan seperti Autoregressive Integrated Moving Average (Arima). Metode ini memiliki keterbatasan pada pengabaian kemungkinan hubungan non-linear serta stationeritas data dan homokedastitas residual. Metode peramalan data dengan time-series telah berkembang dengan pendekatan Neural Network. Penelitian ini mengkaji data time-series pada kunjungan wisatawan di pulau Lombok menggunakan pendekatan Recurrent Neural Network (RNN). Prediksi time series dengan RNN memberikan akurasi prediksi terbaik pada saat training sebesar 64.37% dan hasil prediksi terbaik pada saat testing sebesar 62.91%.
SELEKSI FITUR DALAM KLASIFIKASI GENRE MUSIK Luh Arida Ayu Rahning Putri
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (577.591 KB)

Abstract

Proses seleksi fitur adalah salah satu upaya untuk melakukan reduksi dimensi dari fitur yang digunakan pada proses data mining. Proses seleksi fitur diharapkan dapat mengurangi jumlah noise dan mengeliminasi fitur yang kurang relevan. Penelitian ini melakukan seleksi fitur terhadap vektor fitur yang digunakan untuk melakukan klasifikasi genre musik, yakni vektor fitur entropi. Vektor fitur dalam penelitian ini telah digunakan pada penelitian sebelumnya namun akurasinya masih rendah. Proses seleksi fitur diharapkan dapat menghasilkan vektor fitur yang lebih ringkas, atau bahkan dapat menghasilkan nilai akurasi yang lebih tinggi.Vektor fitur entropi dihasilkan melalui proses ekstraksi fitur dengan menghitung statistik dari entropi koefisien wavelet. Statistik yang digunakan dalam ekstraksi fitur adalah mean, standar deviasi, nilai maksimum, nilai minimum, dan beda maksimum entropi. Proses seleksi kemudian dilakukan secara manual dengan memilih subset fitur terbaik yang dapat melakukan klasifikasi genre musik dengan akurasi tertinggi menggunakan classifier k-Nearest Neighbor (k-NN). Hasil penelitian menunjukkan subset fitur dengan kombinasi mean, standar deviasi, nilai maksimum dan beda maksimum entropi, merupakan kombinasi fitur terbaik dalam mengklasifikasi genre musik. Subset fitur yang dihasilkan dari kombinasi keempat statistik entropi ini dapat merepresentasikan file musik digital dengan lebih ringkas serta memberikan nilai akurasi yang sedikit lebih tinggi dibandingkan dengan penggunaan vektor fitur aslinya
OPTIMASI TRAVELING SALESMAN PROBLEM (TSP) UNTUK RUTE PAKET WISATA DI BALI DENGAN ALGORITMA GENETIKA Luh Gede Ayu Candrawati; Gusti Agung Gede Arya Kadyanan
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (480.034 KB)

Abstract

Bali merupakan salah satu destinasi favorit bagi wisatawan mancanegara. Biasanya perusahaan jasa atau hotel tempat menginap bagi wisatawan menawarkan berbagai macam paket wisata. Akan tetapi ada wisatawan yang merasa kurang puas terhadap paket-paket wisata yang ditawarkan. Hal ini dikarenakan tempat yang ingin dikunjungi tidak sesuai dengan tempat yang mereka inginkan. Selain itu juga karena terbatasanya waktu yang dimiliki wisatawan untuk berlibur di Bali berbanding terbalik dengan banyaknya destinasi wisata yang ada di Bali. Yang terakhir adalah karena kepadatan lalu lintas yang berbeda tiap waktu sehingga waktu yang dimiliki oleh wisatawan menjadi semakin sempit. Untuk itu penulis mencoba memecahkan masalah ini yaitu dengan mengoptimasi rute dan penjadwalan paket wisata di Bali menggunakan algoritma genetika. Sehingga pada peneiltian ini dapat menghasilkan penjadwalan perjalanan paling optimal dengan mempertimbangkan rute terpendek di Pulau Bali
PERINGKASAN TEKS OTOMATIS UNTUK DOKUMEN BAHASA BALI BERBASIS METODE EKTRAKTIF I Putu Gede Hendra Suputra
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (712.44 KB)

Abstract

Membaca menjadi salah satu kegiatan wajib yang dilakukan oleh manusia dalam memperoleh informasi, baik membaca buku, majalah maupun tulisan digital. Perkembangan teknologi internet menyebabkan perkembangan jumlah dokumen digital di internet semakin meningkat. Masalah terjadi ketika dokumen yang dibaca sangat panjang dan sangat banyak sehingga akan membutuhkan waktu yang sangat lama untuk mendapatkan informasi dan memahami isi dari dokumen tersebut. Salah satu cara untuk mendapatkan informasi dan memahami suatu dokumen secara cepat yaitu dengan membaca ringkasannya. Cara untuk mendapatkan ringkasan dokumen secara cepat yaitu dengan meringkasnya secara otomatis dengan menggunakan aplikasi peringkasan otomatis.Peringkasan teks otomatis (Automatic Text Summarization) merupakan proses menghasilkan atau mengekstraksi sebuah teks yang berasal dari satu atau banyak teks dimana didalamnya terdapat informasi penting dari teks sumber, dan teks hasil tersebut tidak lebih panjang dari setengah teks sumber secara otomatis. Berbagai penelitian telah dilakukan dalam hal peringkasan otomatis untuk bebagai bahasa namun pada penelitian-penelitian sebelumnya belum pernah ada peringkasan otomatis untuk dokumen/tulisan berbahasa Bali yang sudah sangat banyak dijumpai di internet. Merujuk dari fakta tersebut sehingga pada saat ini merupakan momentum yang tepat untuk mengembangkan sistem peringkasan otomatis untuk dokumen berbahasa Bali yang tentunya memiliki karakteristik berbeda dengan kebanyakan bahasa lainnya.Metode yang digunakan dalam peringkasan teks ini adalah metode ekstraktif yaitu mengekstraksi kalimat-kalimat ringkasan berdasarkan skor fitur-fitur penting dari kalimat yang dimiliki. Pada penelitian ini, fitur-fitur yang digunakan adalah Keyword positif (f1), Kemiripan Antar-Kalimat (f2) dan Kemiripan Kalimat dengan Judul dokumen (f3). Percobaan dilakukan terhadap kumpulan artikel Bahasa Bali yang diperoleh dari berbagai sumber. Dari hasil evaluasi nilai rata-rata ROUGE-1 yang terbaik adalah 0.52 dengan kombinasi bobot fitur f1 = 0.3, bobot f2 = 0.5 dan bobot f3 = 0.2. Terlihat fitur f2 adalah fitur yang memberikan pengaruh yang dominan dalam peringkasan dokumen Bahasa Bali
PERANCANGAN SISTEM REKOMENDASI DALAM INDUSTRI KULINER DI BALI I G A Gede Arya Kadyanan
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (533.703 KB)

Abstract

Menjamurnya gerai makanan cepat saji menyebabkan semakin berkurangnya minat akan kuliner khas Bali. Tentu hal ini akan sangat berpengaruh dengan keunikan budaya khas bali terutama terkait kulinernya. Sebagai daerah tujuan wisata dunia, tentunya Bali harus mampu menampilkan keunikan budayanya sendiri. Melalui perkembangan ilmu pengetahuan dan teknologi telah diupayakan suatu solusi untuk mengatasi masalah tersebut. Sistem ini dapat membantu dalam mengenalkan kuliner khas Bali melalui aplikasi yang berjalan pada sistem operasi android. Dengan metode collaborative filtering dan algoritma slope one telah berhasil dirancang sistem rekomendasi untuk kuliner khas Bali.
KLASIFIKASI DAN RETRIEVAL MUSIK BERDASARKAN GENRE (SEBUAH STUDI PUSTAKA) Gst. Ayu Vida Mastrika Giri
Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (395.115 KB)

Abstract

Genre musik adalah cara yang paling umum digunakan untuk mengorganisasi database musik digital. Mengaitkan genre dengan sebuah musik dapat membantu pendengar musik untuk menemukan musik yang dicari di sebuah database musik yang sangat besar. Pengenalan genre musik adalah hal penting yang telah dipelajari mendalam oleh komunitas Music Information Retrieval (MIR). Musik yang berada pada genre yang sama biasanya memiliki kemiripan karakteristik tertentu yang terkait dengan instrumentasi, struktur ritmis, dan pitch musik. Fitur-fitur akustik musik yang dapat digunakan untuk klasifikasi berdasarkan genre adalah timbre, rhythm, melody/harmony, dan pitch. Teknik-teknik klasifikasi yang dapat digunakan untuk mengimplementasi klasifikasi genre otomatis adalah sistem pakar, klasifikasi supervised, dan klasifikasi unsupervised. Tantangan klasifikasi musik berdasarkan genre adalah tidak adanya konsep yang jelas mengenai genre musik, banyaknya genre musik baru yang muncul, dan pemilihan fitur klasifikasi.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 17 No 2 (2024): Jurnal Ilmu Komputer Vol 17 No 1 (2024): Jurnal Ilmu Komputer Vol 16 No 1 (2023): JIK Edisi April 2023 Vol 16 No 2 (2023): Jurnal Ilmu Komputer Vol 15 No 1 (2022): April 2022 Vol 15 No 2 (2022): Jurnal Ilmu Komputer Vol 14 No 2 (2021): Jurnal Ilmu Komputer Vol 14 No 1 (2021): Jurnal Ilmu Komputer Vol 13 No 1 (2020): Jurnal Ilmu Komputer0 Vol 13 No 2 (2020): Jurnal Ilmu Komputer Vol 13 No 1 (2020): Jurnal Ilmu Komputer Vol 12 No 2 (2019): Jurnal Ilmu Komputer Vol 12 No 1 (2019): Jurnal Ilmu Komputer Vol 11 No 2 (2018): Jurnal Ilmu Komputer Vol 11 No 1 (2018): Jurnal Ilmu Komputer Vol 10 No 2 (2017): September 2017 Vol 10 No 1 (2017): April 2017 Vol 9 No 2: September 2016 Vol 9 No 1: April 2016 Vol 8 No 2: September 2015 Vol 7 No 1: April 2014 Vol 6 No 2: September 2013 Vol 6 No 1: April 2013 Vol 5 No 2: September 2012 Vol. 5, No. 1 April 2012 Vol. 4, No. 2 September 2011 Vol 4 No 1: April 2011 Vol. 2, No. 1 April 2009 More Issue