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
Kab. ponorogo,
Jawa timur
INDONESIA
Fountain of Informatics Journal
Published by Universitas Darussalam Gontor
ISSN : 25414313     EISSN : 25485113     DOI : -
Core Subject :
Fountain of Informatics Journal (FIJ), with registered ISSN 2541-4313 (Print), ISSN 2548-5113 (Online), and DOI 10.21111/fij, is a peer-reviewed journal published semi-annual (May and November) by Universitas Darussalam Gontor. The FIJ invites manuscripts in the various topics include, but not limited to, functional areas of the information system, software engineering, computer network and game technology.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 6, No 2 (2021): November" : 6 Documents clear
Pengembangan Model Sistem Dinamik untuk Meningkatkan Kinerja Distribusi Pupuk Urea (Studi Kasus: PT Petrokimia Gresik) Syauqi Saswatata Nawal Abadi; Erma Suryani; Rully Agus Hendrawan
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.4782

Abstract

Sektor agraris atau pertanian merupakan salah satu sektor yang dijadikan andalan untuk menggerakan perekonomian indonesia. Untuk menciptakan hasil pertanian yang berkualitas, pupuk menjadi salah satu komponen penting yang dapat meningkatkan kuantitas serta kualitas panen. Agar pupuk tersebut dapat tersalurkan dengan baik hingga sampai ketangan para petani, diperlukan adanya sistem distribusi pupuk yang optimal. Namun, terdapat beberapa permasalahan yang menghambat proses distribusi pupuk tersebut salah satunya adalah pengeluaran biaya distribusi yang cukup tinggi. Mengacu kepada permasalahan tersebut, maka diusulkan penelitian berbentuk tugas akhir ini yang memiliki tujuan untuk meningkatkan kinerja distribusi pupuk urea pada Kabupaten Mojokerto. Peningkatan kinerja distribusi ini dikhususkan untuk dapat mengurangi biaya distribusi. Penelitian ini menggunakan metode sistem dinamik, yang dipilih karena mampu mendefinisikan sistem distribusi pupuk yang ada dengan baik, serta mampu melakukan simulasi terhadap variabel-variabel yang berkaitan dengan sistem tanpa mengubah jalannya sistem. Setelah model sistem dinamik terbentuk, akan dilakukan tahap penyusunan skenario dengan melakukan pengujian terhadap beberapa input yang berbeda untuk mengetahui dampak pada outputnya. Skenario yang dihasilkan pada penelitian ini adalah skenario untuk menyesuikan jumlah buruh angkut dengan kapasitas produksi dan skenario untuk meminimalkan jumlah pupuk yang rusak. Dengan dilakukannya kedua skenario tersebut, biaya distribusi pupuk urea ke Kabupaten Mojokerto oleh PT Petrokimia Gresik dapat berkurang sebesar Rp143.110.984,00. Dilakukannya penelitian ini sekaligus dapat dijadikan acuan bagi PT Petrokimia Gresik untuk menurunkan biaya distribusi pupuk agar dapat berjalan dengan lebih optimal.
Development of Non-Player Character for 3D Kart Racing Game Using Decision Tree Nashrul Azhar Mas'udi; Eriq Muhammad Adams Jonemaro; Muhammad Aminul Akbar; Tri Afirianto
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.4678

Abstract

Racing game is one of the genre that’s still popular today. Unity is one of many game engines one can use to develop a racing game. At Unity Asset Store, there is a free template called Micro-Game Karting which can only be played alone. In order to play player versus enemy mode, an artificial intelligence (AI) is needed for directing non-player character (NPC) who acts as the opponent. In racing game, the AI requires the use of movement algorithm and decision making system. For this study, the movement algorithm will use pathfinding. The algorithm is used as a guiding path when NPC is moving and avoiding obstacles in the way. Pathfinding will use waypoint system and raycasting to accomplish it. The decision making technique that will be used is decision tree. It functions as decision maker for NPC so it can determine the correct action to be done at certain time. Result of black box and white box testing showed NPC is functional. As for FPS (frame per second) test, performance suffers 0.2-0.3 FPS decrease for every addition of 2 NPCs. According to lap time test, the developed NPC is faster than ML NPC and driving test showed favorable outcome.
Analisis Sentimen Pada Tweet Tentang Penanganan Covid-19 Menggunakan Word Embedding Pada Algoritma Support Vector Machine Dan K-Nearest Neighbor Trifebi Shina Sabrila; Veronica Retno Sari; Agus Eko Minarno
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.5536

Abstract

Analisis sentimen merupakan salah satu bidang dari pengolahan data berbentuk teks untuk mengidentifikasi isi yang terkandung dalam teks pada dataset dengan membagi dataset ke dalam dua kelas yaitu sentimen positif dan sentimen negatif. Pada penelitian ini akan dilakukan analisis sentimen terhadap data yang diperoleh dari jejaring sosial Twitter mengenai penanganan Covid-19 oleh pemerintah di Indonesia yang menuai banyak pro dan kontra oleh masyarakat di Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui kecenderungan masyarakat terkait topik tersebut. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) dengan ekstraksi fitur Word Embedding. Pengklasifikasian yang dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) dengan menggunakan ekstraksi fitur Word Embedding yaitu Word2Vec menghasilkan akurasi sebesar 85%, presisi 86% , recall 85%, dan nilai AUC sebesar 0.92. Sementara pada algoritma K-Nearst Neighbor (KNN) dengan ekstraksi fitur yang sama, dihasilkan akurasi sebesar 76%, presisi 77%, recall 76% dan nilai AUC sebesar 0.87. Hasil perbandingan dari kedua metode menunjukkan bahwa algoritma Support Vector Machine (SVM) mendapatkan performa yang lebih baik dibandingkan algoritma K-Nearest Neighbor (KNN).
Perancangan Permainan Tebak Gambar Isi Rumah Menggunakan Game Engine Unity Aidil Primasetya Armin; Agus Darwanto; Amira Mar'atu Nabila
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.5990

Abstract

Unity merupakan salah satu mesin game yang dapat digunakan untuk membuatan game. Game memilik beberapa genre, salah satunya Game Puzzle. Game Puzzle bertujuan untuk menguji keterampilan pengguna dalam memecahkan masalah. Game Puzzle miliki genre sendiri salah satunya Action [1]. Salah satu masalah yang dapat digunakan dalam Puzzle Game adalah Gambar. Tebak Gambar adalah salah satu model permainan yang termasuk dalam genre Game Puzzle. Pada penawaran ini ditawarkan Perancangan Permainan Tebak Gambar dengan aturan permainan yang memilih dan mencocokan objek gambar dengan objek gambar yang di cari. Aturan permainan yang lain dimulai setiap kali permainan yang objek yang di cari akan berubah-ubah. Objek yang digunakan sebanyak 10 dan objek random yang muncul ketika permainan dimulai 5. Maka setiap permainan dimulai pada posisi objek tidak berubah. Hasil yang didapat diujikan dengan menggunakan metode black box.
Pengukuran Kemiripan Makna Kalimat dalam Bahasa Indonesia Menggunakan Metode Path Yessy Caterina; Muhammad Ainul Yaqin; Syahiduz Zaman
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.4844

Abstract

AbstrakPengukuran kemiripan makna kalimat bertujuan untuk didapatkan nilai kemiripan antar satu kalimat dengan kalimat yang lain. Nilai kemiripan yang didapatkan tersebut kemudian dapat diimplementasikan untuk pengembangan sistem yang berbasis matching sentence, misalnya search engine. Pada beberapa penelitian yang dilakukan sebelumnya, membahas mengenai efektivitas algoritma semantik dalam mengukur kemiripan makna kalimat dalam bahasa Inggris. Sedangkan, penelitian ini mencari kemiripan makna antar kalimat dalam bahasa Indonesia. Dataset  dalam pencarian dan pengukuran makna kalimat pada penelitian ini menggunakan sinonimkata.com yang berupa node atau percabangan. Pada perhitungan kemiripan makna kalimat menggunakan WordNet, pendekatan  yang digunakan ialah Wu Palmer, Lin, Path, Resnik, dan Hirst-St (HSO). Pada penelitian ini menggunakan pendekatan path karena paling sesuai untuk menghitung jumlah node atau relasi yang terhubung antar node lain dalam sinonimkata.com. Pengukuran ini dilakukan dengan 5 eksperimen yakni, berdasarkan susunan kalimat kata kerja – kata benda,  kalimat aktif – kalimat pasif (makna sama), 2 kalimat aktif, 2 kalimat pasif, dan kalimat aktif – kalimat pasif (makna berbeda). Menghitung nilai kemiripan kata diurai dengan kriteria kelas kata kerja, dan kata benda kemudian dihitung berdasarkan contextual menggunakan pendekatan path yang kemiripan katanya dicari menggunakan sinonimkata.com. Dari proses perhitungan kelima eksperimen tersebut, dapat dihasilkan kemiripan kalimat dalam bahasa Indonesia yang memiliki tingkat kemiripan yang tinggi bernilai 0,875 pada eksperimen kriteria kalimat dengan susunan kata kerja – kata benda.Kata kunci: kemiripan makna kalimat, sinonimkata.com, path Abstract[Measurement of the sentence similarity in Indonesian using the path method] Measurement of the sentence similarity aims to obtain the value of similarity between one sentence and another sentence. The similarity value obtained can be implemented for the development of a based system on matching sentences, for example, search engines. In several previous studies, discussed the effectiveness of semantic algorithms in measuring the sentence similarity meanings in English. Meanwhile, this research looks for similarities of the meaning of one sentence to another in Indonesian. The dataset in the search and measurement of the sentence similarity in this study using sinonimkata.com in the form of nodes or branches. In the calculation of the sentence similarity meanings using WordNet, the approach used is Wu Palmer, Lin, Path, Resnik, and Hirst-St (HSO). This study uses a path approach because it is best suited to calculate the number of nodes or relationships connected between other nodes in sinonimkata.com. This measurement was done with 5 experiments, based on the composition of verb sentences – nouns, active sentences – passive sentences (same meaning), 2 active sentences, 2 passive sentences, and active sentences – passive sentences (different meanings). Calculating the likeness value of a word is parsed with the criteria of a verb class, and the noun is then calculated based on contextual using a path approach whose similarity is searched using sinonimkata.com. From the calculation process of the five experiments, it can be produced a sentences similarity in Indonesian that has a high level of similarity worth 0.875 in the experiment of sentence criteria with the arrangement of verbs – nouns.Keywords: sentence similarity, sinonimkata.com, path
Front Matter and Back Matter Dihin Muriyatmoko
Fountain of Informatics Journal Vol 6, No 2 (2021): November
Publisher : Universitas Darussalam Gontor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21111/fij.v6i2.8797

Abstract

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol. 10 No. 1 (2025): Mei Vol. 9 No. 2 (2024): November 2024 Vol. 9 No. 1 (2024): Mei 2024 Vol. 8 No. 2 (2023): November Vol. 8 No. 1 (2023): Mei Vol 7, No 2 (2022): November 2022 Vol. 7 No. 3 (2022): Specials Issue Desember - Seminar Nasional Sains dan Teknologi Vol. 7 No. 2 (2022): November Vol 7, No 1 (2022): Mei Vol 6, No 2 (2021): November Vol. 6 No. 2 (2021): November Vol 6, No 1 (2021): Mei Vol 5, No 3 (2020): Specials Issue November - Seminar Nasional Sains dan Teknologi Vol 5, No 2 (2020): November Vol 5, No 1 (2020): Mei Vol 4, No 2 (2019): November Vol 4, No 1 (2019): Mei Vol 3, No 2 (2018): November Vol 3, No 1 (2018): Mei Vol 2, No 2 (2017): November Vol 2, No 1 (2017): Mei Vol 1, No 2 (2016): November More Issue