Perkembangan teknologi menuntut perguruan tinggi harus menaikkan kualitasnya. Salah satu faktor yang memengaruhi kualitas perguruan tinggi adalah ketepatan waktu mahasiswa dalam mencapai kelulusannya. Mahasiswa yang mampu tepat waktu untuk menyelesaikan studinya menandakan Perguruan Tinggi tersebut memiliki kredibilitas tinggi dalam mendampingi mahasiswa dalam masalah pendidikannya, karena hal tersebut merupakan salah satu penilaian yang dilakukan Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) untuk akreditasi. Maka dari itu, Universitas Dharmawangsa berusaha melakukan pengoptimalan dalam meningkatkan kelulusan mahasiswanya dengan cara mencari apa saja yang menjadi kendala mahasiswa untuk mencapai kelulusannya, dibantu oleh data mining dalam pengolahan data didapatkan aturan baru berupa pohon keputusan tepat waktu atau terlambat mahasiswa dalam mencapai kelulusannya. Metode yang digunakan dalam penelitian ini adalah metode Algoritma C 4.5 dan Profile Matching. Metode Algoritma C 4.5 digunakan untuk mendapatkan aturan baru sementara Profile Matching untuk mendapatkan peringkat mahasiswa berdasarkan bobot. Pada penelitian ini didapatkan nilai akurasi sebesar 89.5%. Hasil dari penelitian ini akan bermanfaat dan berguna untuk masa mendatang dalam membantu mahasiswa dalam menyelesaikan masa studi mereka dengan tepat waktu, dengan demikian Perguruan tinggi dan mahasiswa dapat tertolong dengan adanya pengolahan data dengan data mining.
{"title":"SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KELULUSAN MAHASISWA MENGGUNAKAN KOMBINASI ALGORITMA C 4.5 DAN PROFILE MATCHING","authors":"Zelvi Gustiana, Afni Nia Sari","doi":"10.20527/JTIULM.V6I2.84","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I2.84","url":null,"abstract":"Perkembangan teknologi menuntut perguruan tinggi harus menaikkan kualitasnya. Salah satu faktor yang memengaruhi kualitas perguruan tinggi adalah ketepatan waktu mahasiswa dalam mencapai kelulusannya. Mahasiswa yang mampu tepat waktu untuk menyelesaikan studinya menandakan Perguruan Tinggi tersebut memiliki kredibilitas tinggi dalam mendampingi mahasiswa dalam masalah pendidikannya, karena hal tersebut merupakan salah satu penilaian yang dilakukan Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) untuk akreditasi. Maka dari itu, Universitas Dharmawangsa berusaha melakukan pengoptimalan dalam meningkatkan kelulusan mahasiswanya dengan cara mencari apa saja yang menjadi kendala mahasiswa untuk mencapai kelulusannya, dibantu oleh data mining dalam pengolahan data didapatkan aturan baru berupa pohon keputusan tepat waktu atau terlambat mahasiswa dalam mencapai kelulusannya. Metode yang digunakan dalam penelitian ini adalah metode Algoritma C 4.5 dan Profile Matching. Metode Algoritma C 4.5 digunakan untuk mendapatkan aturan baru sementara Profile Matching untuk mendapatkan peringkat mahasiswa berdasarkan bobot. Pada penelitian ini didapatkan nilai akurasi sebesar 89.5%. Hasil dari penelitian ini akan bermanfaat dan berguna untuk masa mendatang dalam membantu mahasiswa dalam menyelesaikan masa studi mereka dengan tepat waktu, dengan demikian Perguruan tinggi dan mahasiswa dapat tertolong dengan adanya pengolahan data dengan data mining.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123618190","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pemanfaatan E-Learning pada institusi pendidikan sering digunakan untuk membantu proses pembelajaran. Universitas Lambung Mangkurat (ULM) merupakan salah satu institusi yang mengembangkan E-Learning untuk digunakan oleh seluruh civitas akademik. Sejak digunakan pada tahun 2017, diketahui pemanfaatan dosen ULM terhadap E-Learning dalam hal ini SIMARI belum maksimal. Hal ini diketahui dari data PTIK ULM bahwa persentase penggunaan E-Learning yaitu 48%. Berdasarkan hal tersebut, perlu dilakukan evaluasi terhadap kesiapan dan penerimaan dosen terhadap E-learning. Model evaluasi yang digunakan pada makalah ini yaitu E-Learning Readiness (ELR) untuk mengukur tingkat kesiapan dan UTAUT untuk mengetahui penerimaan dosen. Faktor yang digunakan pada model ELR yaitu manusia, teknologi, inovasi dan pengembangan diri. Sedangkan, pada model UTAUT terdapat faktor harapan usaha, harapan kinerja, kondisi fasilitas, pengaruh sosial serta keterbatasan waktu yang merupakan faktor tambahan pada makalah ini. Dari hasil analisa data disimpulkan bahwa tingkat kesiapan penggunaan E-Learning berada pada kategori siap namun membutuhkan sedikit peningkatan. Sedangkan penerimaan dosen terhadap E-Learning dipengaruhi oleh faktor harapan usaha, pengaruh sosial, kondisi fasilitas dan keterbatasan waktu.
{"title":"PENERAPAN MODEL E-LEARNING READINESS DAN UTAUT UNTUK EVALUASI KESIAPAN DAN PENERIMAAN E-LEARNING","authors":"M. Maulida, E. Wijaya, Misnariyani","doi":"10.20527/JTIULM.V6I2.88","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I2.88","url":null,"abstract":"Pemanfaatan E-Learning pada institusi pendidikan sering digunakan untuk membantu proses pembelajaran. Universitas Lambung Mangkurat (ULM) merupakan salah satu institusi yang mengembangkan E-Learning untuk digunakan oleh seluruh civitas akademik. Sejak digunakan pada tahun 2017, diketahui pemanfaatan dosen ULM terhadap E-Learning dalam hal ini SIMARI belum maksimal. Hal ini diketahui dari data PTIK ULM bahwa persentase penggunaan E-Learning yaitu 48%. Berdasarkan hal tersebut, perlu dilakukan evaluasi terhadap kesiapan dan penerimaan dosen terhadap E-learning. Model evaluasi yang digunakan pada makalah ini yaitu E-Learning Readiness (ELR) untuk mengukur tingkat kesiapan dan UTAUT untuk mengetahui penerimaan dosen. Faktor yang digunakan pada model ELR yaitu manusia, teknologi, inovasi dan pengembangan diri. Sedangkan, pada model UTAUT terdapat faktor harapan usaha, harapan kinerja, kondisi fasilitas, pengaruh sosial serta keterbatasan waktu yang merupakan faktor tambahan pada makalah ini. Dari hasil analisa data disimpulkan bahwa tingkat kesiapan penggunaan E-Learning berada pada kategori siap namun membutuhkan sedikit peningkatan. Sedangkan penerimaan dosen terhadap E-Learning dipengaruhi oleh faktor harapan usaha, pengaruh sosial, kondisi fasilitas dan keterbatasan waktu.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"21 3","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133105994","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Yuslena Sari, A. Baskara, Ferry Pratama, Muhammad Faidhorrahman
Kerapatan vegetasi penting untuk dibedakan guna mengetahui penggunaan lahan dan degradasi lahan. Menurut Standar Nasional Indonesia (SNI 7645:2014), vegetasi diklasifikasikan berdasarkan kerapatan. Indeks kerapatan vegetasi dibagi menjadi 4 yaitu non vegetasi, rendah, sedang dan tinggi. Kerapatan vegetasi dapat dihitung dengan Normalized Difference Vegetation Index (NDVI) atau index vegetasi. Perhitungan NDVI dilakukan dengan terlebih dahulu mengumpulkan informasi terkait vegetasi dengan melakukan survey terhadap suatu lahan. Proses survey ini merupakan tantangan yang dihadapi dimana medan survey untuk setiap lahan berbeda-beda. Salah satu cara dalam mengatasi hal tersebut adalah dengan memanfaatkan penginderaan jarak jauh dan pemanfaatan computer vision dan machine learning. Penginderaan jauh dapat dilakukan salah satunya dengan menggunakan Unmanned Vehicle Unit (UAV). Penelitian ini menggunakan data citra yang didapatkan dari hasil tangkapan drone. Metode klasfikasi yang digunakan yaitu metode Transfer Learning dalam melakukan klasifikasi jenis tutupan lahan yaitu rendah, sedang, dan tinggi dan menggunakan arsitektuk VGG16. Hasil menunjukkan arsitektur VGG16 dapat melakukan klasifikasi tutupan hutan lahan basah dengan akurasi sebesar 0.8333
{"title":"PENERAPAN ARSITEKTUR VGG UNTUK KLASIFIKASI HUTAN","authors":"Yuslena Sari, A. Baskara, Ferry Pratama, Muhammad Faidhorrahman","doi":"10.20527/JTIULM.V6I2.99","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I2.99","url":null,"abstract":"Kerapatan vegetasi penting untuk dibedakan guna mengetahui penggunaan lahan dan degradasi lahan. Menurut Standar Nasional Indonesia (SNI 7645:2014), vegetasi diklasifikasikan berdasarkan kerapatan. Indeks kerapatan vegetasi dibagi menjadi 4 yaitu non vegetasi, rendah, sedang dan tinggi. Kerapatan vegetasi dapat dihitung dengan Normalized Difference Vegetation Index (NDVI) atau index vegetasi. Perhitungan NDVI dilakukan dengan terlebih dahulu mengumpulkan informasi terkait vegetasi dengan melakukan survey terhadap suatu lahan. Proses survey ini merupakan tantangan yang dihadapi dimana medan survey untuk setiap lahan berbeda-beda. Salah satu cara dalam mengatasi hal tersebut adalah dengan memanfaatkan penginderaan jarak jauh dan pemanfaatan computer vision dan machine learning. Penginderaan jauh dapat dilakukan salah satunya dengan menggunakan Unmanned Vehicle Unit (UAV). Penelitian ini menggunakan data citra yang didapatkan dari hasil tangkapan drone. Metode klasfikasi yang digunakan yaitu metode Transfer Learning dalam melakukan klasifikasi jenis tutupan lahan yaitu rendah, sedang, dan tinggi dan menggunakan arsitektuk VGG16. Hasil menunjukkan arsitektur VGG16 dapat melakukan klasifikasi tutupan hutan lahan basah dengan akurasi sebesar 0.8333","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"8 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129672393","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Raden Budiarto Hadiprakoso, Nurul Qomariasih, Ray Novita Yasa
Android merupakan sistem operasi mobile yang paling populer digunakan saat ini. Bagaimana pun dibalik kepopuleran ini muncul ancaman penyebaran malware pada platform Android. Pada pertengan tahun 2021 peneliti keamanan dari Quick Heal Security Labs mendeteksi setidaknya ada delapan aplikasi di Google Play Store yang disusupi oleh malware Joker. Malware ini dapat secara sembunyi-sembunyi membuat ponsel korbannya berlangganan dan membayar konten premium tanpa sepengetahuan korban. Untuk itu, deteksi malware Android ini sangat penting untuk menjaga keamanan dan privasi pengguna. Bagaimana pun karena proses identifikasi malware yang semakin rumit, maka perlu digunakan pendekatan deep learning untuk klasifikasi malware. Makalah ini menggabungkan fitur analisis statis dan dinamis dari aplikasi malware dan aplikasi bukan malware. Fitur dinamis diambil dari panggilan API pada aplikasi sedangkan fitur statis didapatkan melalui permission, system call dan intent. Model deep learning dengan arsitektur LSTM (Long Short-Term Memory) dikembangkan untuk mengidentifikasi malware. Hasil pengujian pada data uji menunjukkan model yang dikembangkan memiliki akurasi 98,7%, recall 97,9% dan presisi 99,6% serta skor F1 98,7%.
{"title":"IDENTIFIKASI MALWARE ANDROID MENGGUNAKAN PENDEKATAN ANALISIS HIBRID DENGAN DEEP LEARNING","authors":"Raden Budiarto Hadiprakoso, Nurul Qomariasih, Ray Novita Yasa","doi":"10.20527/JTIULM.V6I2.82","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I2.82","url":null,"abstract":"Android merupakan sistem operasi mobile yang paling populer digunakan saat ini. Bagaimana pun dibalik kepopuleran ini muncul ancaman penyebaran malware pada platform Android. Pada pertengan tahun 2021 peneliti keamanan dari Quick Heal Security Labs mendeteksi setidaknya ada delapan aplikasi di Google Play Store yang disusupi oleh malware Joker. Malware ini dapat secara sembunyi-sembunyi membuat ponsel korbannya berlangganan dan membayar konten premium tanpa sepengetahuan korban. Untuk itu, deteksi malware Android ini sangat penting untuk menjaga keamanan dan privasi pengguna. Bagaimana pun karena proses identifikasi malware yang semakin rumit, maka perlu digunakan pendekatan deep learning untuk klasifikasi malware. Makalah ini menggabungkan fitur analisis statis dan dinamis dari aplikasi malware dan aplikasi bukan malware. Fitur dinamis diambil dari panggilan API pada aplikasi sedangkan fitur statis didapatkan melalui permission, system call dan intent. Model deep learning dengan arsitektur LSTM (Long Short-Term Memory) dikembangkan untuk mengidentifikasi malware. Hasil pengujian pada data uji menunjukkan model yang dikembangkan memiliki akurasi 98,7%, recall 97,9% dan presisi 99,6% serta skor F1 98,7%.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"13 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"131510762","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Banjarmasin terkenal dengan julukannya sebagai kota seribu sungai, sebagian besar masyarakat memanfaatkan sungai untuk kehidupan sehari-hari. Secara geografis, Kota Banjarmasin memiliki luas wilayah sekitar 98,46 kilometer persegi, kota ini memiliki banyak sungai yang membelah antara satu daratan dengan daratan yang lain. Permasalahan klasik di daerah sungai yaitu seperti sampah batang kayu, bambu, eceng gondok hingga sampah plastik limbah rumah tangga yang sering menumpuk di beberapa kolong jembatan dan pinggiran sungai di Banjarmasin menjadi perhatian untuk kelestarian ling-kungan. Berdasarkan permasalahan tersebut maka penelitian ini bertujuan untuk mengembangkan sistem pemantauan sam-pah di daerah sungai yaitu berupa Rancangan arsitektur Prototipe Sepeda Air Cerdas untuk Pemantauan Sampah Berbasis IoT(Internet of Things), dimana pada tahapan metode penelitian ini menggunakan prototipe sepeda air yang menggunakan sensor-sensor cerdas untuk memantau sampah-sampah yang ada di daerah sungai kemudian sensor dapat mengenali sampah sehingga dapat terdata dan segera terhubung diaplikasi seluler. Pada tahapan ini adalah tahapan pemodelan visual dan arsitektur dari pengembangan prototipe sepeda cerdas berbasis IoT. Hasil pada penelitian ini adalah gambaran pengem-bangan arsitektur sistem prototipe sepeda air cerdas sebagai cetak biru untuk pengembangan lebih lanjut pada tahap pengem-bangan perangkat. Gambaran cetak biru dari penelitian ini dapat menjadi rujukan untuk pengembangan sistem berbasis IoT dalam sistem monitoring pemantauan sampah di daerah sungai.
{"title":"RANCANG BANGUN PROTOTIPE SEPEDA AIR CERDAS PEMANTAUAN SAMPAH BERBASIS IOT","authors":"F. Marleny, Finki Dona Marleny","doi":"10.20527/jtiulm.v6i2.64","DOIUrl":"https://doi.org/10.20527/jtiulm.v6i2.64","url":null,"abstract":"Banjarmasin terkenal dengan julukannya sebagai kota seribu sungai, sebagian besar masyarakat memanfaatkan sungai untuk kehidupan sehari-hari. Secara geografis, Kota Banjarmasin memiliki luas wilayah sekitar 98,46 kilometer persegi, kota ini memiliki banyak sungai yang membelah antara satu daratan dengan daratan yang lain. Permasalahan klasik di daerah sungai yaitu seperti sampah batang kayu, bambu, eceng gondok hingga sampah plastik limbah rumah tangga yang sering menumpuk di beberapa kolong jembatan dan pinggiran sungai di Banjarmasin menjadi perhatian untuk kelestarian ling-kungan. Berdasarkan permasalahan tersebut maka penelitian ini bertujuan untuk mengembangkan sistem pemantauan sam-pah di daerah sungai yaitu berupa Rancangan arsitektur Prototipe Sepeda Air Cerdas untuk Pemantauan Sampah Berbasis IoT(Internet of Things), dimana pada tahapan metode penelitian ini menggunakan prototipe sepeda air yang menggunakan sensor-sensor cerdas untuk memantau sampah-sampah yang ada di daerah sungai kemudian sensor dapat mengenali sampah sehingga dapat terdata dan segera terhubung diaplikasi seluler. Pada tahapan ini adalah tahapan pemodelan visual dan arsitektur dari pengembangan prototipe sepeda cerdas berbasis IoT. Hasil pada penelitian ini adalah gambaran pengem-bangan arsitektur sistem prototipe sepeda air cerdas sebagai cetak biru untuk pengembangan lebih lanjut pada tahap pengem-bangan perangkat. Gambaran cetak biru dari penelitian ini dapat menjadi rujukan untuk pengembangan sistem berbasis IoT dalam sistem monitoring pemantauan sampah di daerah sungai.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127944733","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Proses pertukaran pada saat ini banyak yang menggunakan media jaringan internet beriringan dengan berkembangnya teknologi IoT. Untuk mendukung teknologi tersebut dibutuhkan jaringan internet yang memadai di setiap kondisi tempat, terutama pada tempat yang masih rentan terjadi putus koneksi seperti pada area terbuka perkebunan. Masalah tersebut dapat diatasi dengan mengaplikasikan arsitektur Delay Tolerant Network (DTN) dengan konfigurasi protokol User Datagram Pro-tocol (UDP) yang memiliki keunggulan dalam kecepatan tranmsisi pengiriman data, namun memiliki kelemahan belum dilengkapi dengan sistem cek error dan memiliki batas pengiriman hanya untuk file berukuran dibawah 64KB. Tujuan dari penelitian ini adalah untuk membuat sistem komunikasi pengiriman UDP pada arsitektur DTN dengan fitur cek error CRC dan dapat mengirimkan file lebih dari 64 KB dengan merealisasikannya pada perangkat keras dua buah raspberry pi 3 dan perangkat lunak yang digunakan adalah VNC, aplikasi IBR-DTN, dan bahasa pemrograman python. Pengujian dilakukan dengan mengirimkan gambar format PNG dengan ukuran 62,5 KB dan 350 KB baik pada saat kondisi jaringan stabil maupun putus koneksi dengan hasil gambar yang diterima utuh yang menunjukkan sistem secara fungsionalitas berhasil dibuat.
{"title":"CUSTOM CRC DAN MANAJEMEN KOMUNIKASI PENGIRIMAN DAN PENERIMAAN DATA PADA ARSITEKTUR DELAY TOLERANT NETWORK","authors":"R. GriffaniMegiyanto, Slameta, Muhamad Rizki","doi":"10.20527/JTIULM.V6I2.77","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I2.77","url":null,"abstract":"Proses pertukaran pada saat ini banyak yang menggunakan media jaringan internet beriringan dengan berkembangnya teknologi IoT. Untuk mendukung teknologi tersebut dibutuhkan jaringan internet yang memadai di setiap kondisi tempat, terutama pada tempat yang masih rentan terjadi putus koneksi seperti pada area terbuka perkebunan. Masalah tersebut dapat diatasi dengan mengaplikasikan arsitektur Delay Tolerant Network (DTN) dengan konfigurasi protokol User Datagram Pro-tocol (UDP) yang memiliki keunggulan dalam kecepatan tranmsisi pengiriman data, namun memiliki kelemahan belum dilengkapi dengan sistem cek error dan memiliki batas pengiriman hanya untuk file berukuran dibawah 64KB. Tujuan dari penelitian ini adalah untuk membuat sistem komunikasi pengiriman UDP pada arsitektur DTN dengan fitur cek error CRC dan dapat mengirimkan file lebih dari 64 KB dengan merealisasikannya pada perangkat keras dua buah raspberry pi 3 dan perangkat lunak yang digunakan adalah VNC, aplikasi IBR-DTN, dan bahasa pemrograman python. Pengujian dilakukan dengan mengirimkan gambar format PNG dengan ukuran 62,5 KB dan 350 KB baik pada saat kondisi jaringan stabil maupun putus koneksi dengan hasil gambar yang diterima utuh yang menunjukkan sistem secara fungsionalitas berhasil dibuat.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"123678849","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
First Wanita, Mashud, Randy Angriawan, Claudia Elma Pratiwi
Tujuan penelitian ini untuk merancang dan mengimplementasikan sistem informasi Pengendalian Persediaan Kopi sebagai alat kontrol pembelian bahan baku dalam menjalankan kegiatan usaha agar berjalan secara efisien dan mampu menghasilkan laba yang optimal. Metode yang digunakan Buffer Stock, Reorder Point Dan Economic Order Quantity Pada Soft Coffee. Hasil pengujian Reorder Point (ROP) dan Safety Stock maka nilai ROP Kopi Arabika sebesar 21 Pak, Kopi Robusta sebesar 20 Pak, Kopi Liberika sebesar 22 Pak dan Kopi Ekselsa sebesar 21 Pak, sehingga dapat disimpulkan bahwa hasil perancangan sistem informasi pengendalian persediaan dapat diimplementasikan untuk efisiensi kewirausahaan penjualan kopi.
{"title":"RANCANG BANGUN SISTEM INFORMASI PENGENDALIAN PERSEDIAAN (CONTROL BUFFER STOCK) UNTUK EFISIENSI KEWIRAUSAHAAN PENJUALAN KOPI PADA SOFT COFFEE","authors":"First Wanita, Mashud, Randy Angriawan, Claudia Elma Pratiwi","doi":"10.20527/JTIULM.V6I1.70","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I1.70","url":null,"abstract":"Tujuan penelitian ini untuk merancang dan mengimplementasikan sistem informasi Pengendalian Persediaan Kopi sebagai alat kontrol pembelian bahan baku dalam menjalankan kegiatan usaha agar berjalan secara efisien dan mampu menghasilkan laba yang optimal. Metode yang digunakan Buffer Stock, Reorder Point Dan Economic Order Quantity Pada Soft Coffee. Hasil pengujian Reorder Point (ROP) dan Safety Stock maka nilai ROP Kopi Arabika sebesar 21 Pak, Kopi Robusta sebesar 20 Pak, Kopi Liberika sebesar 22 Pak dan Kopi Ekselsa sebesar 21 Pak, sehingga dapat disimpulkan bahwa hasil perancangan sistem informasi pengendalian persediaan dapat diimplementasikan untuk efisiensi kewirausahaan penjualan kopi.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"95 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"122091922","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Deteksi kesamaan dokumen untuk sistem plagiarisme termasuk dalam riset Natural Language Processing dalam bidang kecerdasan buatan. Plagiarisme banyak terjadi pada dokumen di lingkungan akademisi, begitupun yang terjadi pada PSMTS ULM. Deteksi plagiarisme diperlukan agar menjaga orisinalitas dari hasil tesis mahasiswa. Ada beberapa algoritma yang digunakan peneliti sebelumnya untuk mendeteksi plagiarisme. Namun, algoritma yang diperlukan adalah algoritma yang cepat karena yang sedang terjadi pada tesis mahasiswa relatif memiliki string yang banyak dan data tesis yang akan terus bertambah setiap saatnya mengakibatkan memperlambat kinerja algoritma. algoritma Levenshtein Distance mengungguli algoritma adaptif. Proses preprocessing yang terdiri dari metode case folding, tokenizing, stopword removal, dan stemming yang dapat melakukan estimasi proses sistem menjadi lebih cepat. Algoritma Levenshtein Distence dapat mendeteksi plagiasi dengan baik dan rata-rata lama proses sistem tanpa dilakukan preprocessing adalah 6,283 ms dan dengan preprocessing adalah 4,920 ms.
{"title":"DETEKSI PLAGIARISME MENGGUNAKAN ALGORITMA LEVENSHTEIN DISTANCE","authors":"Yuslena Sari, Husnul Khatimi, Rizki Awlia Fajrin","doi":"10.20527/JTIULM.V6I1.66","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I1.66","url":null,"abstract":"Deteksi kesamaan dokumen untuk sistem plagiarisme termasuk dalam riset Natural Language Processing dalam bidang kecerdasan buatan. Plagiarisme banyak terjadi pada dokumen di lingkungan akademisi, begitupun yang terjadi pada PSMTS ULM. Deteksi plagiarisme diperlukan agar menjaga orisinalitas dari hasil tesis mahasiswa. Ada beberapa algoritma yang digunakan peneliti sebelumnya untuk mendeteksi plagiarisme. Namun, algoritma yang diperlukan adalah algoritma yang cepat karena yang sedang terjadi pada tesis mahasiswa relatif memiliki string yang banyak dan data tesis yang akan terus bertambah setiap saatnya mengakibatkan memperlambat kinerja algoritma. algoritma Levenshtein Distance mengungguli algoritma adaptif. Proses preprocessing yang terdiri dari metode case folding, tokenizing, stopword removal, dan stemming yang dapat melakukan estimasi proses sistem menjadi lebih cepat. Algoritma Levenshtein Distence dapat mendeteksi plagiasi dengan baik dan rata-rata lama proses sistem tanpa dilakukan preprocessing adalah 6,283 ms dan dengan preprocessing adalah 4,920 ms.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"26 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129723020","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Badan amil zakat nasional (BAZNAS) adalah badan resmi nasional dalam menyalurkan zakat. Zakat adalah kewajiban umat Islam. Hal tersebut dijelaskan dalam kitab suci Alquran. Zakat perlu disalurkan dengan adil. Banyaknya data penerima zakat menyebabkan penyaluran sering terkendala. Dengan klasifikasi zakat antara fakir dan miskin akan menjadi solusi untuk kendala data yang banyak. Teknik kecerdasan buatan yang digunakan pada penelitian ini adalah Naïve Bayes Classifier. Ini adalah teknik klasifikasi berdasarkan Teorema Bayes dengan asumsi independensi antar prediktor. Secara sederhana, pengklasifikasian Naive Bayes mengasumsikan bahwa keberadaan fitur tertentu di kelas tidak terkait dengan keberadaan fitur lainnya. Label data penerima zakat ini ada dua, yaitu fakir dan miskin. Kecerdasan buatan sebagai metode dalam pembuatan prototype sistem pada website BAZNAS dalam penentuan penerima zakat. Pengukuran performa metode naïve bayes classifier menggunakan confusion matrix. Hasil dari metode naïve bayes classifier dalam mengklasifikasi penerima zakat cukup baik yaitu 96%.
{"title":"PENDEKATAN BERBASIS KECERDASAN BUATAN DENGAN METODE NAÏVE BAYES UNTUK WEBSITE BAZNAS","authors":"Endi Gunawan, Johan Wahyudi, Yuslena Sari","doi":"10.20527/JTIULM.V6I1.68","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I1.68","url":null,"abstract":"Badan amil zakat nasional (BAZNAS) adalah badan resmi nasional dalam menyalurkan zakat. Zakat adalah kewajiban umat Islam. Hal tersebut dijelaskan dalam kitab suci Alquran. Zakat perlu disalurkan dengan adil. Banyaknya data penerima zakat menyebabkan penyaluran sering terkendala. Dengan klasifikasi zakat antara fakir dan miskin akan menjadi solusi untuk kendala data yang banyak. Teknik kecerdasan buatan yang digunakan pada penelitian ini adalah Naïve Bayes Classifier. Ini adalah teknik klasifikasi berdasarkan Teorema Bayes dengan asumsi independensi antar prediktor. Secara sederhana, pengklasifikasian Naive Bayes mengasumsikan bahwa keberadaan fitur tertentu di kelas tidak terkait dengan keberadaan fitur lainnya. Label data penerima zakat ini ada dua, yaitu fakir dan miskin. Kecerdasan buatan sebagai metode dalam pembuatan prototype sistem pada website BAZNAS dalam penentuan penerima zakat. Pengukuran performa metode naïve bayes classifier menggunakan confusion matrix. Hasil dari metode naïve bayes classifier dalam mengklasifikasi penerima zakat cukup baik yaitu 96%.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115232177","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Griffani Megiyanto Rahmatullah, Andry Fajar Zulkarnain, M. Hidayat
Komputasi sekuensial merupakan sebuah proses untuk melakukan pemecahan masalah dengan melakukan setiap langkah secara berurutan. Konsekuensi pemecahan sebuah masalah dengan menggunakan komputasi sekuensial adalah sebuah hasil akan muncul apabila langkah pengerjaan telah dilakukan. Pengembangan teknologi dari komputasi sekuensial adalah kom-putasi paralel yang melibatkan penggunaan sumber daya secara bersamaan. Khusus pada bidang IT, sumber daya tersebut dapat berupa core processor atau juga dimungkinkan untuk melibatkan graphical unit. Skema uji yang dilakukan yaitu ber-fokus pada perbandingan performa komputasi sekuensial dan komputasi paralel. Skema uji tersebut terdiri dari pengujian perkalian matrix, proses filter sebuah gambar, dan proses quick sort. Hasil skema uji 1 menunjukkan bahwa komputasi paralel dapat melakukan perkalian dengan dimensi 2000x2000 dengan hasil berkisar 4x lebih cepat dibandingkan komputasi serial. Berikutnya, hasil skema uji 2 menunjukkan proses filter dapat dilakukan oleh komputasi paralel dengan efisiensi 50% lebih baik menggunakan 4 buah core. Terakhir, hasil skema uji 3 menghasilkan nilai efektivitas tertinggi menggunakan CUDA yaitu berkisar 96% dengan proses quick sort pada data sebesar 32Mb.
{"title":"ANALISIS PERBANDINGAN PERFORMA PEMROGRAMAN SEKUENSIAL DAN PARALEL DENGAN SKEMA UJI MATRIX, FILTER DAN QUICK SORT","authors":"Griffani Megiyanto Rahmatullah, Andry Fajar Zulkarnain, M. Hidayat","doi":"10.20527/JTIULM.V6I1.69","DOIUrl":"https://doi.org/10.20527/JTIULM.V6I1.69","url":null,"abstract":"Komputasi sekuensial merupakan sebuah proses untuk melakukan pemecahan masalah dengan melakukan setiap langkah secara berurutan. Konsekuensi pemecahan sebuah masalah dengan menggunakan komputasi sekuensial adalah sebuah hasil akan muncul apabila langkah pengerjaan telah dilakukan. Pengembangan teknologi dari komputasi sekuensial adalah kom-putasi paralel yang melibatkan penggunaan sumber daya secara bersamaan. Khusus pada bidang IT, sumber daya tersebut dapat berupa core processor atau juga dimungkinkan untuk melibatkan graphical unit. Skema uji yang dilakukan yaitu ber-fokus pada perbandingan performa komputasi sekuensial dan komputasi paralel. Skema uji tersebut terdiri dari pengujian perkalian matrix, proses filter sebuah gambar, dan proses quick sort. Hasil skema uji 1 menunjukkan bahwa komputasi paralel dapat melakukan perkalian dengan dimensi 2000x2000 dengan hasil berkisar 4x lebih cepat dibandingkan komputasi serial. Berikutnya, hasil skema uji 2 menunjukkan proses filter dapat dilakukan oleh komputasi paralel dengan efisiensi 50% lebih baik menggunakan 4 buah core. Terakhir, hasil skema uji 3 menghasilkan nilai efektivitas tertinggi menggunakan CUDA yaitu berkisar 96% dengan proses quick sort pada data sebesar 32Mb.","PeriodicalId":330464,"journal":{"name":"Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM)","volume":"222 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-04-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"126120388","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：