Jurnal Ilmu Komputer
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.
Articles
189 Documents
<![CDATA[PENENTUAN KOMPOSISI BAHAN PAKAN IKAN LELE YANG OPTIMAL DENGAN MENGGUNAKAN METODE IWO-SUBTRACTIVE CLUSTERING ]]>
<![CDATA[Agus Muliantara]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 5 No 2: September 2012 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (658.09 KB)
<![CDATA[Pakan selain sebagai salah satu faktor yang dapat meningkatkan produktifitas ikan, jugamerupakan satu komponen terbesar dalam biaya produksi. Dapat mencapai 60% dari keseluruhanbiaya produksi Saat ini harga pakan buatan sudah sekitar Rp 10.000,- per kg.Untuk mendapatkan komposisi pakan yang berkualitas dan memiliki biaya yang efisiententunya tidak mudah. Salah satu cara yang mungkin digunakan adalah metode trial and error ataumetode coba-coba. Namun hal ini tentunya tidak mungkin karena akan terbentur masalah waktu.Untuk itu perlu dilakukan suatu penggabungan beberapa bidang ilmu untuk mendapatkan nilai pakanyang optimal tersebut.Dalam bidang teknik informatika, permasalan mencari komposisi pakan yang optimal(memiliki kandungan gizi baik, tapi harga yang efisien) dikatakan sebagai permasalahan multiobjective. Salah satu metode yang dapat digunakan untuk memecahkan permasalahan multi objectiveadalah Multi Objective Optimiztion with Invasive Weed Optimization-Subtractive Clustering (IWOSC).Penerapan metode IWO-SC dapat digunakan pada kasus penentuan komposisi pakan ikan leleyang optimal tingkat efisiensi biaya pakan menjadi sebesar Rp 922,00 /Kg.]]>
<![CDATA[Modifikasi Algoritma Fisher Yates Shuffle Menggunakan Linear Congruent Method Untuk Pembangkitan Bilangan Acak ]]>
<![CDATA[Surya Darma Nasution]]>;
<![CDATA[Suginam Suginam]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 12 No 2 (2019): Jurnal Ilmu Komputer ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (178.598 KB)
|
DOI: 10.24843/JIK.2019.v12.i02.p01
<![CDATA[Pembangkit bilangan acak digunakan untuk menghasilkan urutan-urutan dari angka-angka sebagai hasil dari suatu perhitungan dengan komputer yang diketahui distribusinya sehingga angka-angka yang dihasilkan akan muncul secara acak. Masalah yang ada pada suatu algoritma pembangkit bilangan acak adalah apakah algoritma tersebut dapat menghasilkan angka-angka yang acak. Linear congruent method memiliki kekurangan yaitu hasil bilangan acak yang dihasilkan berpola dan algoritma fisher yates shuffle memiliki kekurangan yaitu untuk menghasilkan bilangan acak membutuhkan algoritma pembangkit bilangan acak lainnya. Dengan memodifikasi algoritma fisher yates shuffle menggunakan linear congruent method diharapkan dapat menghasilkan menghasilkan bilangan acak.]]>
<![CDATA[PREDIKSI KESUBURAN (FERTILITY) DENGAN MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN KLASIFIKASI NAIVE BAYES ]]>
<![CDATA[Gede Agus Irawan]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 10 No 2 (2017): September 2017 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (658.63 KB)
|
DOI: 10.24843/jik.2017.v10.i02.p02
<![CDATA[Fertilitas pada pria menjadi sebuah masalah dalam beberapa dekade ini di bidang kesehatan. Pada penelitian di beberapa jurnal didapatkan bahwa gaya dan pola hidup sangat mempengaruhi fertilitas pada pria. Disamping itu ada juga faktor lain yang mempengaruhi tingkat fertilitas seperti penyakit bawaan, operasi, demam tinggi, kerusakan testis, dsb. Apabila testis mengalami kerusakan yang cukup parah, testis tidak dapat dipulihkan fungsinya seperti semula. Maka dari itu dibutuhkan pencegahan dini agar kerusakan testis tidak terlanjur parah dan masih dapat ditanggulangi. Pencegahan dapat dilakukan dengan melakukan prediksi kesuburan (fertility).Dalam memprediksi digunakanlah salah metode klasifikasi yaitu Naive Bayes Classifier, yang didukung oleh Principal Component Analysis untuk melakukan reduksi fitur. Data fertilitas yang digunakan berasal dari UCI (University of California, Irvine) Penelitian ini menggunakan aplikasi untuk melakukan simulasi dengan RapidMiner dan didapatkan hasil akurasi yaitu 80% untuk prediksi fertilitas pada pria.]]>
<![CDATA[IMPLEMENTASI PRIVATE CLOUD COMPUTING SEBAGAI LAYANAN INFRASTRUCTURE AS A SERVICE (IAAS) MENGGUNAKAN OPENSTACK ]]>
<![CDATA[Putu Gede Surya Cipta Nugraha]]>;
<![CDATA[I Komang Ari Mogi]]>;
<![CDATA[I Made Agus Setiawan]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 8 No 2: September 2015 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (501.595 KB)
<![CDATA[Dalam perkembangan teknologi informasi yang semakin canggih, kebutuhan perangkat keras komputer untuk membangun berbagai system meningkat, dimana dalam proses pembangunannya membutuhkan biaya yang tidak sedikit. Efisiensi dalam penggunaan cloud computing menjadi alasan mendasar pengguna memanfaatkan teknologi cloud computing . Cloud computing merupakan model komputasi dimana sumber daya seperti processor , storage , network dan software sebagai layanan diinternet. Sumber daya komputasi tersebut dapat dipenuhi oleh layanan dari cloud computing yaitu Infrastructure as a Service (IaaS) , karena didalam layanan tersebut berisi penyediaan infrastructure hardware seperti CPU virtual yang berisi RAM atau memory , processor dan disk storage . Dengan layanan Infrastructure as a Service (IaaS) tersebut dapat menghasilkan beberapa virtual machine sehingga permasalahan perangkat keras komputer dapat diatasi. Infrastructure as a Service (IaaS) tersebut dibangun menggunakan platform OpenStack dan sistem operasi yang digunakan adalah Ubuntu server 12.04 LTS. Pembangunan Infrastructure as a Service (IaaS) telah berhasil dibangun dengan menggunakan semua jenis flavor OpenStack . Pengujian dilakukan dengan penanaman aplikasi web server pada virtual machine dan web server berhasil diakses dengan web browser, hal ini menunjukan bahwa Infrastructure as a Service (IaaS) telah berjalan dengan baik, serta terjadi peningkatan performa CPU sebesar 1.0%, pemakaian memory sebesar 941888k dari 2051772k]]>
<![CDATA[ANALISIS FRAGMENTASI TABEL SECARA VERTIKAL MENGGUNAKAN ALGORITMA BOND ENERGY DALAM HUBUNGANNYA DENGAN KECEPATAN EKSEKUSI QUERY ]]>
<![CDATA[Made Hanindia Prami Swari]]>;
<![CDATA[Ngurah Agus Sanjaya ER]]>
<![CDATA[ Jurnal Ilmu Komputer Vol. 5, No. 1 April 2012 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (465.44 KB)
<![CDATA[The required time to run a query on a database which possesses a large number of attributes and rows highly depends on the number of attributes accessed. An optimal query will only access necessary attributes. A vertical fragmentation of a table helps in isolating the frequently accessed attributes with those which are less frequently used.In this research, we develop an application to help the comparison of query execution time on a normal and vertically fragmented table. We use a Bond Energy algorithm to form the table’s vertical fragmentation. In this algorithm, the fragmentation process has to fulfill the completeness and disjointness conditions.We perform and test this application by using 40 queries from “Sistem Informasi Perencanaan Universitas Udayana”. Our test results show that a vertical fragmentation using Bond Energy algorithm increases the speed of query execution on the following: queries which access only several attributes from a table and queries with arithmetic operations such as sum or average. For insert and update queries, vertical fragmentation has no significant impact.]]>
<![CDATA[SISTEM PENDUKUNG KEPUTUSAN BERBASIS CLIENT SERVER UNTUK PENENTUAN BIAYA PEMBANGUNAN RUMAH (STUDI KASUS PADA PT BUANA NATA LOKA) ]]>
<![CDATA[I Gusti Ngurah Anom Cahyadi Putra]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 4 No 1: April 2011 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (639.293 KB)
<![CDATA[Perencanaan sebuah pembangunan rumah merupakan hal yang tidak mudah. Banyak orang mengalami kesulitan dalam tahap ini, baik dari segi pemilihan model bahan-bahan bangunan yang akan digunakan maupun dalam merancang sebuah anggaran dalam pembangunan rumah. Masalah yang sering ditemui dalam anggaran biaya adalah biaya yang dikeluarkan tidak sesuai dengan rencana semula. Perhitungan RAB yang dikerjakan secara team, membutuhkan sebuah system yang dapat bekerja secara jaringan.Sistem Pendukung Keputusan (SPK) berbasis Client Server merupakan sebuah sistem yang digunakan oleh kontraktor. System ini bekerja pada jaringan LAN, yang dapat menentukan biaya yang akan dikeluarkan untuk membangun rumah. Dimulai dari mencatat data proyek, menghitung volume, menghitung analisa pekerjaan, menghitung RAB dan menghasilkan beberapa alternatif RAB.Sistem Pendukung Keputusan Berbasis Client Server Untuk Penentuan Biaya Pembangunan Rumah ini dapat membantu para pengambil keputusan (kontraktor). Para pengambil keputusan (kontraktor) dapat memutuskan sebuah keputusan yang tepat dalam pengeluaran biaya pembangunan rumah berdasarkan kriteria kelas bahan, yaitu kelas 1 untuk bahan dengan kualitas A dan kelas 2 untuk bahan dengan kulitas B dan kelas 3 untuk bahan dengan kualitas C. Sehingga sistem ini dapat menghasilkan sebuah rumah yang sesuai dengan biaya.]]>
<![CDATA[PENERAPAN ALGORITMA GENETIKA UNTUK KOMPRESI CITRA FRAKTAL ]]>
<![CDATA[Putu Indah Ciptayani]]>;
<![CDATA[Wayan Firdaus Mahmudy]]>;
<![CDATA[Agus Wahyu Widodo]]>
<![CDATA[ Jurnal Ilmu Komputer Vol. 2, No. 1 April 2009 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (116.392 KB)
<![CDATA[Fractal image compression is one of compression techniques which produce a high compression ratio with good quality of result image. But this method has weakness is the time to compress image is too long because checking domain and range block is done by brute force method. Because of it, necessary to get approach with genetic algorithm which genetic algorithm is an appropriate approach for complex combinatorial problem. Genetic algorithm play role in searching the matching domain and range block. Experiment is done by use three crossover and mutation method, the size of range block is 4, mutation probability is 0.1, crossover probability is 0.5, 0.6, 0.7, 0.8, 0.9 and 1.0. Maximal size of generations are 500. The best result of compression image has ratio 75.01% with compression time is 10.7 second and MSE is 0.158839.]]>
<![CDATA[PERINGKASAN TEKS OTOMATIS UNTUK DOKUMEN BAHASA BALI BERBASIS METODE EKTRAKTIF ]]>
<![CDATA[I Putu Gede Hendra Suputra]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 10 No 1 (2017): April 2017 ]]>
Publisher : <![CDATA[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)
<![CDATA[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]]>
<![CDATA[PELATIHAN PEMBUATAN BAHAN AJAR BERBASIS ANIMASI BAGI GURU-GURU, SEBAGAI PENUNJANG PROSES PENGGUNAAN E-LEARNING DI SEKOLAH ]]>
<![CDATA[Agus Muliantara]]>;
<![CDATA[I Made Widiartha]]>;
<![CDATA[I Putu Gede Hendra Suputra]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 9 No 2: September 2016 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (40.245 KB)
<![CDATA[Teknologi Informasi dan Komunikasi (TIK) saat ini sedang berkembang di Indonesia. Banyak sekali penelitian mengenai TIK dilaksanakan seperti misalnya multi objective optimization untuk optimalisasi pakan lele, Algoritma Artificial Bee Collony dan K-Harmonic Means untuk proses klusterisasi data, Particle Swarm Optimization untuk penentuan kluster optimal. Banyak hasil-hasil penelitian yang sudah dipublikasikan, namun hal tersebut masih di lingkup pendidikan tinggi. Berbeda dengan di pendidikan menengah yang penggunaan TIK belum maksimal. Proses pembelajaran berbasis komputer seperti penggunaan slide power point sebagai media presentasi sedang gencar diadakan di sekolah-sekolah, baik itu SMA maupun SMP. Namun penggunaan power point tersebut belum cukup membuat siswa makin tertarik pada mata pelajaran yang diajarkan. Karena sejatinya penggunaan media TIK tidak hanya sekedar menggunakan Komputer, Power point dan proyektor. Materi pelajaran yang digunakan masih bersifat statis, yang masih dominan terdiri atas gambar dan teks. Meskipun e-learning sangat populer, namun berdasarkan penelitian yang dilakukan oleh media riset di Amerika menunjukkan bahwa (i)68% karyawan menolak mengikuti pelatihan menggunakan e-learning. 50%-80% peserta e-learning tidak mengikuti kursus hingga tuntas. (ii) Setelah 10 menit, peserta e-learning kehilangan konsentrasi sebesar 35% (iii)Setelah 25 menit, peserta e-learning kehilangan konsenstrasi sebesar 75%. Berdasarkan hasil riset tersebut, tantangan yang dihadapi adalah bagaimana mendesain pembelajaan e-learning yang menarik? Beberapa cara yang dapat dilakukan adalah (a) E-learnning tidak menjadikan proses pembelajaran bersifat pasif, (b) E-learning justru memberikan ruang untuk interatifitas (c)Pemahaman e-learning yang baik adalah e-learning dengan konten multimedia yang kompleks perlu ditinjau ulang Dari model pembelajaran menggunakan metode Training of Trainer software Articulate Storyline, didapatkan hasil yang cukup baik yaitu ditandai dengan antusiasme dari peserta meskipun masih perlu ditingkatkan terutama bagi guru-guru senior karena keterbatasan guru dalam hal mengoperasikan komputer.]]>
<![CDATA[Klasifikasi Genre Musik Menggunakan Learning Vector Quantization dan Self Organizing Map ]]>
<![CDATA[Luh Arida Ayu Rahning Putri]]>;
<![CDATA[Sri Hartati]]>
<![CDATA[ Jurnal Ilmu Komputer Vol 9 No 1: April 2016 ]]>
Publisher : <![CDATA[Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1058.661 KB)
<![CDATA[Kemudahan dalam memperoleh file musik digital dapat menimbulkan permasalahan dalam pengelolaannya. Klasifikasi genre musik dapat membantu memberikan label genre pada file musik sehingga dapat mempermudah pengelolaan dan pencarian file musik. Permasalahan utama dalam klasifikasi genre musik adalah menemukan kombinasi fitur dan classifier yang dapat memberikan hasil terbaik dalam mengklasifikasi file musik ke dalam genre musiknya.Penelitian ini mengklasifikasi file musik menggunakan kombinasi Learning Vector Quantization (LVQ) dan Self Organizing Map (SOM) berdasarkan pada fitur entropi koefisien wavelet. Kombinasi LVQ dan SOM terletak pada inisialisasi vektor acuan pada jaringan LVQ yang ditentukan berdasarkan hasil clustering data pelatihan menggunakan SOM. Ini diharapkan dapat mengurangi sensitivitas pemilihan vektor acuan yang dipilih langsung dari data pelatihan.Hasil evaluasi menunjukkan bahwa klasifikasi genre musik menggunakan kombinasi LVQ dan SOM memberikan hasil yang lebih baik dibandingkan dengan menggunakan LVQ saja, namun rata-rata nilai akurasinya masih rendah. Fitur entropi kurang baik dalam mengklasifikasi 10 jenis genre musik, ini ditunjukkan ketika klasifikasi dilakukan menggunakan fitur yang sama namun dengan classifier yang berbeda, akurasi yang dihasilkan juga rendah.]]>
