One of the fundamental principles followed by the Jember Health Office for decision-making is data. Data plays a crucial role in the decision-making process. Raw data is more difficult to interpret and needs to be analyzed. Clustering is one of the techniques used for analysis. This study discusses using K-Means to cluster Public Health Center data based on AKI, AKB, and stunting prevalence. The data is processed by reducing dimensions and normalizing them. The clustering process is performed using the K-Means method, where the maximum k-value is obtained by calculating WCSS. The clustering process results in three clusters of Public Health Centers in the Jember Regency. These clusters can serve as a reference for the Jember Health Office to formulate family health and community nutrition quality policies.Keywords: data mining, K-Means, clustering, Maternal Mortality Rate, Infant Mortality Rate, the prevalence of stunting Salah satu dasar pengambilan kebijakan oleh Dinas Kesehatan Jember adalah data. Data memiliki peran dalam proses pengambilan keputusan. Data mentah yang didapatkan lebih sulit untuk diinterpretasikan sehingga diperlukan analisis terhadap data tesebut. Salah satu analisis yang dapat digunakan adalah teknik klasterisasi. Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisasi data puskesmas berdasarkan AKI, AKB, dan prevalensi stunting. Data diproses dengan melakukan reduksi dimensi dan normalisasi. Proses klasterisasi dilakukan dengan metode K-Means dimana nilai k maksimal diperoleh dengan menghitung WCSS. Adapun hasil proses klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember. Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas kesehatan keluarga dan gizi masyarakatKata Kunci: data mining, K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi, prevalensi stunting
Jember卫生办公室在决策时遵循的基本原则之一是数据。数据在决策过程中起着至关重要的作用。原始数据更难解释，需要进行分析。聚类是用于分析的技术之一。本研究讨论了基于AKI、AKB和发育迟缓患病率的公共卫生中心数据的K-Means聚类。通过降维和规范化来处理数据。聚类过程采用K-Means方法，通过计算WCSS获得最大k值。在群集过程中，Jember摄政形成了三个公共卫生中心群集。这些分组可作为Jember保健办公室制定家庭保健和社区营养质量政策的参考。关键词:数据挖掘，K-Means，聚类，孕产妇死亡率，婴儿死亡率，发育迟缓患病率数据记忆，peran dalam, pengambilan, keputusan。Data mentah yang didapatkan lebih sulit untuk diinterpretkan seinga diperlukan analysis terhadap Data tesebut。萨拉赫状态分析杨达帕特digunakan adalah技术，klasterisasi。Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisissi数据显示，儿童发育迟缓，AKB和普遍发育迟缓。数据处理是按维数和正态化处理。散文klasterisasi dilakukan dengan metode k - means dimana汝k maksimal diperoleh dengan menghitung wcs。Adapun hasil处理klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember。Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas Kesehatan keluarga dan gizi masyarakatKata Kunci:数据挖掘，K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi，患病率发育不良
{"title":"Klasterisasi Puskesmas dengan K-Means Berdasarkan Data Kualitas Kesehatan Keluarga dan Gizi Masyarakat","authors":"Bakhtiyar Hadi Prakoso, Ervina Rachmawati, Demiawan Rachmatta Putro Mudiono, Veronika Vestine, Gandu Eko Julianto Suyoso","doi":"10.24002/jbi.v14i01.7105","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.7105","url":null,"abstract":"One of the fundamental principles followed by the Jember Health Office for decision-making is data. Data plays a crucial role in the decision-making process. Raw data is more difficult to interpret and needs to be analyzed. Clustering is one of the techniques used for analysis. This study discusses using K-Means to cluster Public Health Center data based on AKI, AKB, and stunting prevalence. The data is processed by reducing dimensions and normalizing them. The clustering process is performed using the K-Means method, where the maximum k-value is obtained by calculating WCSS. The clustering process results in three clusters of Public Health Centers in the Jember Regency. These clusters can serve as a reference for the Jember Health Office to formulate family health and community nutrition quality policies.Keywords: data mining, K-Means, clustering, Maternal Mortality Rate, Infant Mortality Rate, the prevalence of stunting\u0000 \u0000Salah satu dasar pengambilan kebijakan oleh Dinas Kesehatan Jember adalah data. Data memiliki peran dalam proses pengambilan keputusan. Data mentah yang didapatkan lebih sulit untuk diinterpretasikan sehingga diperlukan analisis terhadap data tesebut. Salah satu analisis yang dapat digunakan adalah teknik klasterisasi. Padapenelitian ini akan dibahas penggunaan K-Means untuk klasterisasi data puskesmas berdasarkan AKI, AKB, dan prevalensi stunting. Data diproses dengan melakukan reduksi dimensi dan normalisasi. Proses klasterisasi dilakukan dengan metode K-Means dimana nilai k maksimal diperoleh dengan menghitung WCSS. Adapun hasil proses klasterisasi didapatkan tiga kelompok klaster puskesmas yang terdapat di Kabupaten Jember. Hasil klasterisasi dapat digunakan sebagai referensi Dinas Kesehatan Jember dalam mengambil kebijakan terkait kualitas kesehatan keluarga dan gizi masyarakatKata Kunci: data mining, K-Means, klasterisasi, Angka Kematian Ibu, Angka Kematian Bayi, prevalensi stunting","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"82 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124125190","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.6606
Richard Gunawan, Yohanes Priadi Wibisono, Clara Hetty Primasari, Djoko Budiyanto
Pengujian Blackbox Pada Virtual Reality Gamelan Saron Menggunakan Metode Equivalence Partition. Dalam pengembangan sebuah aplikasi, testing pada aplikasi sangat penting sebelum aplikasi dirilis. Testing berdasarkan kualitas dengan menggunakan Black Box mengutamakan pengujian fitur-fitur yang terdapat pada aplikasi, sehingga dapat menemukan permasalahan yang terjadi di aplikasi Gamelan VR Saron ini. Pada metode Black Box berbasis Equivalence Partition secara menyeluruh menguji dalam aspek penggunaan aplikasi Gamelan VR Saron. Dalam pengujian ini membutuhkan seleksi penggunaan berdasarkan test case, kemudian memastikan kualitas dari fitur-fitur yang tersedia serta menemukan error function yang bisa terjadi dalam aplikasi. Sehingga ujicoba pada aplikasi ini bisa menilai apakah telah sesuai dengan harapan dan direncanakan. Berdasarkan hasil pengujian yang telah dilakukan, dapat disimpulkan bahwa aplikasi ini dapat berjalan dengan baik tanpa adanya error sesuai dengan yang telah direncanakan. Hasil pengujian ini dapat dijadikan sebagai dokumentasi serta evaluasi untuk pengembangan aplikasi kedepannya.Kata Kunci: black box, equivalence partition, test case, error function, user Blackbox Testing on Virtual Reality Gamelan Saron Using the Equivalence Partition Method. Testing is essential in application development because it helps identify and eliminate defects. One of the most used testing methods is Black Box testing, which involves deeply examining the application’s functionality without knowing its internal workings. The Equivalence Partition method is frequently used in Black Box testing to divide input values into groups and select test cases from each group. Potential errors can be identified by testing the available features with appropriate test cases, and future improvements can be made to ensure seamless application performance. In addition, testing results also serve as documentation and research for future development. By using this method, the developers of the VR Gamelan Saron application can ensure that its quality meets user expectations to improve its quality to provide an optimal user experience. In summary, proper testing is crucial in application development, and the Equivalence Partition method is an effective tool foridentifying and eliminating potential issues.Keywords: black box, equivalence partition, test case, error function, user
{"title":"Blackbox Testing on Virtual Reality Gamelan Saron Using Equivalence Partition Method","authors":"Richard Gunawan, Yohanes Priadi Wibisono, Clara Hetty Primasari, Djoko Budiyanto","doi":"10.24002/jbi.v14i01.6606","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.6606","url":null,"abstract":"Pengujian Blackbox Pada Virtual Reality Gamelan Saron Menggunakan Metode Equivalence Partition. Dalam pengembangan sebuah aplikasi, testing pada aplikasi sangat penting sebelum aplikasi dirilis. Testing berdasarkan kualitas dengan menggunakan Black Box mengutamakan pengujian fitur-fitur yang terdapat pada aplikasi, sehingga dapat menemukan permasalahan yang terjadi di aplikasi Gamelan VR Saron ini. Pada metode Black Box berbasis Equivalence Partition secara menyeluruh menguji dalam aspek penggunaan aplikasi Gamelan VR Saron. Dalam pengujian ini membutuhkan seleksi penggunaan berdasarkan test case, kemudian memastikan kualitas dari fitur-fitur yang tersedia serta menemukan error function yang bisa terjadi dalam aplikasi. Sehingga ujicoba pada aplikasi ini bisa menilai apakah telah sesuai dengan harapan dan direncanakan. Berdasarkan hasil pengujian yang telah dilakukan, dapat disimpulkan bahwa aplikasi ini dapat berjalan dengan baik tanpa adanya error sesuai dengan yang telah direncanakan. Hasil pengujian ini dapat dijadikan sebagai dokumentasi serta evaluasi untuk pengembangan aplikasi kedepannya.Kata Kunci: black box, equivalence partition, test case, error function, user\u0000Blackbox Testing on Virtual Reality Gamelan Saron Using the Equivalence Partition Method. Testing is essential in application development because it helps identify and eliminate defects. One of the most used testing methods is Black Box testing, which involves deeply examining the application’s functionality without knowing its internal workings. The Equivalence Partition method is frequently used in Black Box testing to divide input values into groups and select test cases from each group. Potential errors can be identified by testing the available features with appropriate test cases, and future improvements can be made to ensure seamless application performance. In addition, testing results also serve as documentation and research for future development. By using this method, the developers of the VR Gamelan Saron application can ensure that its quality meets user expectations to improve its quality to provide an optimal user experience. In summary, proper testing is crucial in application development, and the Equivalence Partition method is an effective tool foridentifying and eliminating potential issues.Keywords: black box, equivalence partition, test case, error function, user","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114441587","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.6997
Felix Adrian Tjokro Atmodjo, K. R. Prilianti, Hendry Setiawan
Implementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun,KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 –0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citra
基于相机变化的机器学习植物图像质量改进预测光合色素。色素是存在于植物和动物中的天然染料。在光合作用中，有三种必需的色素:叶绿素、类胡萝卜素和花青素。颜料分析可以用高效液相色谱法和分光光度计进行。然而，高效液相色谱法和分光光度法需要大量的资源和时间。因此，使用FP3Net模型构建的模糊图像Android应用程序是色素预测的最佳选择，因为它成本低且易于访问。然而，模糊图像产生不同的性能，这是由光线条件和相机规格的影响。实验采用3台智能手机相机和3种光照水平，对茉莉(Jasminum sp.)、天牛(P. betle)、油桐(Syzygium oleina)的绿色和红色变种和葡萄叶(Graptophyllum pictum)的10张样本图像进行了采集。3D-TPS改进后的油桐绿、红变异叶图像的SSIM预测值为0.9191 ~ 0.9797，色素预测MAE值为0.0296 ~ 0.0492。关键词:3D-TPS，植物叶片，色素，图像质量改善Dalam研究的主要内容为:三聚氰胺、丙二烯、丙二烯、类胡萝卜素、丹参素。用分光光度法分析KCKT色素。Namun,KCKT，但光谱英尺计，membutuhkan，数，天，丹，waktu，杨廷吉。应用于Android的模糊图像杨迪班君梦古那坎模型FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah。Akan tetapi，应用Android模糊图像识别系统menghasilkan kinerja yang berbeda-beda yang dipengaruhi kondisi cahaya dan spifikasi相机。Dilakukan percobaan dengan mengambil sepull样品citra dandandari empat品种:tanaman yaitu, pucuk merah, danungu, melati, dansirih。香橼diambil dengan tiga相机智能手机dantiga tingkat pencahayaan yang berbeda。Perbaikan yang dilakukan menggunakan算法3D-TPS menghasilkan nilai SSIM terbaik pagadrentang 0.9191 -0.9797 untuk citra dauppukmerahdan nilai MAE prediksi pigmen sebesar 0.0296 -0.0492。Kata Kunci: 3D - TPS，黎明tanaman, pigmen, perbaikan kualitas citra
{"title":"Implementasi Perbaikan Kualitas Citra Tanaman terhadap Perbedaan Kamera untuk Prediksi Pigmen Fotosintesis berbasis Machine Learning","authors":"Felix Adrian Tjokro Atmodjo, K. R. Prilianti, Hendry Setiawan","doi":"10.24002/jbi.v14i01.6997","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.6997","url":null,"abstract":"Implementation of Plant Image Quality Improvement based on Machine Learning on Camera Variation to Predict Photosynthetic Pigments. Pigments are natural dyes found in plants and animals. In photosynthesis, there are 3 essential pigments: chlorophyll, cartenoid, and anthocyanin. Pigment analysis can be performed with High Performance Liquid Chromatography (HPLC) and a spectrophotometer. However, HPLC and spectrophotometers require high resources and time. Thus, the Fuzzy Piction Android application built using the FP3Net model is the best choice in pigment prediction since it is low on cost and accessible. However, the Fuzzy Piction produces different performance, which is affected by light conditions and camera specifications. The experiment used ten sample images for Jasminum sp., P. betle, Syzygium oleina of green and red variations, and Graptophyllum pictum leaves with three smartphone cameras and three lighting levels. Improvements using 3D-TPS produced the best SSIM values in the range of 0.9191 – 0.9797 for images Syzygium oleina of green and red variations leaves, and the predicted MAE value of pigment was 0.0296 – 0.0492.Keywords: 3D-TPS, plant leaves, pigment, image quality improvement\u0000 \u0000Pigmen merupakan pewarna alami yang ditemukan pada tumbuhan dan hewan. Dalam proses fotosintesis terdapat tiga pigmen yang penting, yaitu klorofil, kartenoid, dan antosianin. Analisis pigmen dapat dilakukan dengan Kromatorafi Cair Kinerja Tinggi (KCKT) dan spektrofotometer. Namun,KCKT dan spektrofotometer membutuhkan sumber daya dan waktu yang tinggi. Sehingga, aplikasi Android Fuzzy Piction yang dibangun menggunakan model FP3Net mejadi pilihan dalam prediksi pigmen dengan biaya murah dan mudah. Akan tetapi, aplikasi Android Fuzzy Piction menghasilkan kinerja yang berbeda-beda yang dipengaruhi oleh kondisi cahaya dan spesifikasi kamera. Dilakukan percobaan dengan mengambil sepuluh sampel citra daun dari empat varietas tanaman yaitu, pucuk merah, daun ungu, melati, dan sirih. Citra diambil dengan tiga kamera smartphone dan tiga tingkat pencahayaan yang berbeda. Perbaikan yang dilakukan menggunakan algoritma 3D-TPS menghasilkan nilai SSIM terbaik pada rentang 0.9191 –0.9797 untuk citra daun pucuk merahdan nilai MAE prediksi pigmen sebesar 0.0296 –0.0492.Kata Kunci: 3D – TPS, daun tanaman, pigmen, perbaikan kualitas citra","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"38 9 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116800956","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.6928
Felix Octavian, Latius Hermawan
A* Pathfinding Algorithm Implementation in Dual Legacy Game based on Android. Games have 2 characters, the player, and the NPC (Non-Playable Character) which cannot be controlled by the player,so the NPC movements are easy to predict. A Star (A*) algorithm is a pathfinding algorithm or finding a way to a destination, in this case searching for the closest path to the player and avoiding obstacles. The enemy NPC is tasked with chasing the player, and the enemy NPC must reduce the player's health. A* algorithm calculatesthe distance of one of the paths and then calculatesthe distance of the other paths. The algorithm will choose the shortest path when all paths have been completed. Research focuses on the NPC's task of finding the shortest route. The A* in the “Dual Legacy” 2D Side-Scrolling RPG game based on Android is expected with this algorithm NPC can search for and chase players/players via the nearest path. The conclusion is that the A Star Algorithm has been successfully implemented, the NPC approaches the player through the shortest distance by avoiding obstacles.Keywords: A Star (A*) algorithm, NPC, game, Android, 2D side-scrolling RPG Game biasanya terdapat 2 karakter yaitu player dan NPC (Non-Playable Character) yang tidak bisa dikendalikan oleh player sehingga pergerakan karakter NPC mudah ditebak. Algoritma A Star (A*) merupakan algoritma pathfinding atau mencari jalan ke tujuan, dalam kasus ini mencari jalan terdekat ke player dan menghindari rintangan yang ada. NPC musuh ini bertugas untuk mengejar player dan NPC musuhharus mengurangi darah player. Algoritme A* menghitung jarak satu jalur, menyimpannya, lalu menghitung jarak jalur lainnya. Setelah semua jalur dihitung, algoritma A* memilih jalur terpendek . Penelitian berfokus pada tugas NPC untuk pencarian rute terdekat. Menerapkan algoritma pathfinding A* pada NPC game Dual Legacy 2D Side-Scrolling RPG berbasis Android diharapkan dengan algoritma tersebut NPC dapat mencari dan mengejar pemain / player melalui jalan terdekat. Kesimpulanperancangan ini adalah Algoritma A Star berhasil diimplementasikan, NPC mendekati player melalui jarak terdekat dengan menghindari halangan yang ada.Kata Kunci: algoritma A Star (A*), NPC, game, Android, 2D side-scrolling RPG
基于Android的双遗留游戏寻路算法实现游戏有两个角色，玩家和NPC(非可玩角色)，NPC不能被玩家控制，所以NPC的移动很容易预测。Star (A*)算法是一种寻路算法，即找到到达目的地的方法，在这里是寻找离玩家最近的路径并避开障碍。敌人NPC的任务是追逐玩家，而敌人NPC必须减少玩家的生命值。A*算法先计算其中一条路径的距离，然后再计算其他路径的距离。当所有路径都完成时，算法将选择最短路径。研究的重点是NPC寻找最短路线的任务。基于Android平台的2D横版RPG游戏《Dual Legacy》中的A*希望NPC能够通过最近的路径搜索并追逐玩家/玩家。结论是，A星算法已经成功执行，NPC通过避开障碍物以最短的距离接近玩家。关键词:A星(A*)算法，NPC，游戏，Android, 2D横版rpg游戏biasanya terdapat 2空手道玩家yaitu玩家dan NPC(非可玩角色)yang tidak bisa dikendalikan oleh玩家sehinga pergerakan空手道玩家mudah ditebak算法A* (A*) merupakan算法寻径算法(寻径算法)，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法，算法寻径算法NPC musuhharus mengurangi darah玩家。算法:A* * * * * * * * * * * * * * * * * * * * * * * * * * * * * *Setelah semua jalurdihiton，算法A* memilih jalurterdek。Penelitian berfocus pada tugas NPC untuk Penelitian rule terdekat。Menerapkan算法寻径A* pada NPC游戏Dual Legacy 2D横版RPG基于Android diharapkan dengan算法tersebut NPC dpaat Menerapkan dengan /玩家melalui jalan terdekat。算法:A星元元元元元元元元元元元元元元元元元元元元元元元元元元元元。Kata Kunci: algorithm A Star (A*)， NPC，游戏，Android, 2D横向卷轴RPG
{"title":"Penerapan Algoritma Pathfinding A* dalam Game Dual Legacy berbasis Android","authors":"Felix Octavian, Latius Hermawan","doi":"10.24002/jbi.v14i01.6928","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.6928","url":null,"abstract":"A* Pathfinding Algorithm Implementation in Dual Legacy Game based on Android. Games have 2 characters, the player, and the NPC (Non-Playable Character) which cannot be controlled by the player,so the NPC movements are easy to predict. A Star (A*) algorithm is a pathfinding algorithm or finding a way to a destination, in this case searching for the closest path to the player and avoiding obstacles. The enemy NPC is tasked with chasing the player, and the enemy NPC must reduce the player's health. A* algorithm calculatesthe distance of one of the paths and then calculatesthe distance of the other paths. The algorithm will choose the shortest path when all paths have been completed. Research focuses on the NPC's task of finding the shortest route. The A* in the “Dual Legacy” 2D Side-Scrolling RPG game based on Android is expected with this algorithm NPC can search for and chase players/players via the nearest path. The conclusion is that the A Star Algorithm has been successfully implemented, the NPC approaches the player through the shortest distance by avoiding obstacles.Keywords: A Star (A*) algorithm, NPC, game, Android, 2D side-scrolling RPG\u0000Game biasanya terdapat 2 karakter yaitu player dan NPC (Non-Playable Character) yang tidak bisa dikendalikan oleh player sehingga pergerakan karakter NPC mudah ditebak. Algoritma A Star (A*) merupakan algoritma pathfinding atau mencari jalan ke tujuan, dalam kasus ini mencari jalan terdekat ke player dan menghindari rintangan yang ada. NPC musuh ini bertugas untuk mengejar player dan NPC musuhharus mengurangi darah player. Algoritme A* menghitung jarak satu jalur, menyimpannya, lalu menghitung jarak jalur lainnya. Setelah semua jalur dihitung, algoritma A* memilih jalur terpendek . Penelitian berfokus pada tugas NPC untuk pencarian rute terdekat. Menerapkan algoritma pathfinding A* pada NPC game Dual Legacy 2D Side-Scrolling RPG berbasis Android diharapkan dengan algoritma tersebut NPC dapat mencari dan mengejar pemain / player melalui jalan terdekat. Kesimpulanperancangan ini adalah Algoritma A Star berhasil diimplementasikan, NPC mendekati player melalui jarak terdekat dengan menghindari halangan yang ada.Kata Kunci: algoritma A Star (A*), NPC, game, Android, 2D side-scrolling RPG","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"47 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"128482753","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.6909
V. Fitriyana, Lutfi Hakim, Dian Candra Rini Novitasari, Ahmad Hanif Asyhar
Sentiment Analysis of Jamsostek Mobile Application Reviews Using the Support Vector Machine Method. Today's technology is evolving quickly, leading to new developments that have helped produce JMO and other mobile applications that can be useful to Indonesians. The reviews or comments in the JMO can be used as a gauge for quality and user satisfaction. This study aims to analyze the quality of JMO applications and classify reviews or opinions into positive, negative, and neutral categories through sentiment analysis. The Support Vector Machine method is used in this analysis process with a linear kernel approach to determine the level of accuracy of classifying JMO application reviews. Research shows that classifying the SVM method against sentiment analysis of reviews or JMO application reviews produces the best accuracy scores, obtaining results with accuracy of 96%, precision of 92%, recall of 96%, and f1-score of 94%, while for the results of most reviews are positive category reviews with a total of 17.571.Keywords: sentiment analysis, JMO, SVM, linear kernel Perkembangan pesat teknologi saat ini memunculkan inovasi baru untuk menciptakan berbagai aplikasi mobile yang dapat memberi kemudahan bagi masyarakat Indonesia, salah satunya yaitu JMO. Penelitian ini bertujuan untuk menganalisis kualitas aplikasi JMO dan mengklasifikasikan ulasan atau opini kedalam kategori positif, negatif dan netral melalui analisis sentimen. Metode Support Vector Machine digunakan pada proses analisis ini dengan pendekatan kernel linear untuk mengetahui tingkat akurasi dari pengklasifikasian ulasan aplikasi JMO tersebut. Penelitian menunjukkan bahwa pengklasifikasian metode SVM terhadap analisis sentimen ulasan atau review aplikasi JMO menghasilkan nilai akurasi terbaik, didapatkan hasil dengan accuracy 96%, precision 92%, recall 96%, dan f1-score 94%, sedangkan untuk hasil ulasan terbanyak adalah ulasan berkategori positif dengan jumlah 17.571.Kata Kunci: analisis sentimen, JMO, SVM, kernel linear
基于支持向量机的Jamsostek移动应用评论情感分析今天的技术发展迅速，带来了新的发展，帮助开发了JMO和其他对印度尼西亚人有用的移动应用程序。JMO中的评论或评论可以用作质量和用户满意度的衡量标准。本研究旨在分析JMO应用程序的质量，并通过情感分析将评论或意见分为积极，消极和中立三类。在此分析过程中，采用支持向量机方法和线性核方法来确定JMO应用程序评论分类的准确性水平。研究表明，SVM方法对评论情感分析或JMO应用评论进行分类的准确率得分最高，准确率为96%，精密度为92%，召回率为96%，f1得分为94%，而大多数评论的结果为正面类别评论，共计17.571分。关键词:情感分析，JMO，支持向量机，线性核Perkembangan pesat技术，sarat ini memunculkan inovasi baru untuk menciptakan berbagai应用，移动yangdapat member, kemudahan bagi masyarakat印度尼西亚，salah satunya yitu JMO。Penelitian ini bertujuan untuk menalanalysis kualitas applikasi JMO dan mengklasifikasikan ulasan atau opini kedalam kategori正面、负面和中性的menal分析情绪。方法支持向量机(svm)对数据处理过程进行了分析，并对数据处理过程进行了核线性分析，并对数据处理过程进行了分析。Penelitian menunjukkan bahwa pengklasifikasian方法支持向量机(SVM)预测分析情感分析的评价应用JMO menghasilkan nilai akurasi terbaik, didapatkan hasil dagan正确率96%，精密度92%，召回率96%，dan 1-score 94%， sedangkan untuk hasil ulasan terbanyak adalah ulasan berkategori阳性预测分析17.571。Kata Kunci:情感分析，JMO, SVM，核线性
{"title":"Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine","authors":"V. Fitriyana, Lutfi Hakim, Dian Candra Rini Novitasari, Ahmad Hanif Asyhar","doi":"10.24002/jbi.v14i01.6909","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.6909","url":null,"abstract":"Sentiment Analysis of Jamsostek Mobile Application Reviews Using the Support Vector Machine Method. Today's technology is evolving quickly, leading to new developments that have helped produce JMO and other mobile applications that can be useful to Indonesians. The reviews or comments in the JMO can be used as a gauge for quality and user satisfaction. This study aims to analyze the quality of JMO applications and classify reviews or opinions into positive, negative, and neutral categories through sentiment analysis. The Support Vector Machine method is used in this analysis process with a linear kernel approach to determine the level of accuracy of classifying JMO application reviews. Research shows that classifying the SVM method against sentiment analysis of reviews or JMO application reviews produces the best accuracy scores, obtaining results with accuracy of 96%, precision of 92%, recall of 96%, and f1-score of 94%, while for the results of most reviews are positive category reviews with a total of 17.571.Keywords: sentiment analysis, JMO, SVM, linear kernel\u0000 \u0000Perkembangan pesat teknologi saat ini memunculkan inovasi baru untuk menciptakan berbagai aplikasi mobile yang dapat memberi kemudahan bagi masyarakat Indonesia, salah satunya yaitu JMO. Penelitian ini bertujuan untuk menganalisis kualitas aplikasi JMO dan mengklasifikasikan ulasan atau opini kedalam kategori positif, negatif dan netral melalui analisis sentimen. Metode Support Vector Machine digunakan pada proses analisis ini dengan pendekatan kernel linear untuk mengetahui tingkat akurasi dari pengklasifikasian ulasan aplikasi JMO tersebut. Penelitian menunjukkan bahwa pengklasifikasian metode SVM terhadap analisis sentimen ulasan atau review aplikasi JMO menghasilkan nilai akurasi terbaik, didapatkan hasil dengan accuracy 96%, precision 92%, recall 96%, dan f1-score 94%, sedangkan untuk hasil ulasan terbanyak adalah ulasan berkategori positif dengan jumlah 17.571.Kata Kunci: analisis sentimen, JMO, SVM, kernel linear","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124494926","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.7178
Dewi Sartika
K-Nearest Neighbor Algorithm Implementation in sentiment analysis towards Merdeka Belajar Kampus Merdeka (MBKM) Program. Merdeka Belajar Kampus Merdeka (MBKM) is a program that supports students to improve their skills by having direct experience in the work environment to prepare for competition and a future career. MBKM program has been implemented by Indonesia's Ministry of Education, Culture, Research, and Technology (Kemendikbudristek) since 2020. Every policy needs to be evaluated; a simple evaluation can be done through sentiment analysis to determine public responses to the MBKM program. The results are used as suggestions for program improvement. Sentiment analysis is done by applying the Natural Language Processing (NLP) algorithm to process crawled data from Twitter, then classified using the K-NN Algorithm. Based on the results, the sentiment is neutral. This illustrates that people are only partially interested in the MBKM program policy. The accuracy of the classification model using the K-NN algorithm is 95%, and an F1-score value of 0.96 for the classification model with a ratio of 80% training data and 20% test data.Keywords: MBKM, NLP, K-NN, F1-Score Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan suatu kebijakan dalam mendukung pemberian kebebasan terhadap mahasiswa untuk mengasah kemampuan dengan merasakan langsung pengalaman di dunia kerja sebagai bekal untuk menghadapi persaingan dan persiapan berkarir di masa mendatang. Program MBKM mulai diberlakukan oleh Kementerian Pendidikan Kebudayaan Riset dan Teknologi (Kemendikbudristek) Republik Indonesia sejak tahun 2020. Setiap kebijakan tentunya perlu dievaluasi, evalusi sederhana dapat dilakukan melalui analisis sentimen untuk mengetahui tanggapan masyarakat mengenai program MBKM. Hasilnya digunakan sebagai saran perbaikan untuk pengembangan program. Analisis sentimen dilakukan dengan menerapkan algoritma Natural Language Processing (NLP) untuk memproses data hasil crawling dari Twitter, selanjutnya diklasifikasikan menggunakan algoritma K-NN. Berdasarkan hasil analisis diperoleh bahwa sentimen masyarakat bersifat netral. Hal ini menggambarkan bahwa masyarakat tidak sepenuhnya tertarik terhadap kebijakan program MBKM, sedangkan untuk tingkat akurasi model klasifikasi menggunakan algoritma K-NN sebesar 95% dan nilai F1-score sebesar 0,96 untuk model klasifikasi dengan perbandingan 80% data latih dan 20% data uji.Kata Kunci: MBKM, NLP, K-NN, F1-Score
Merdeka (MBKM)程序情感分析中的k -最近邻算法实现。Merdeka Belajar Kampus Merdeka (MBKM)是一个支持学生通过在工作环境中获得直接经验来提高技能的项目，为竞争和未来的职业生涯做好准备。印尼教育、文化、研究和技术部(Kemendikbudristek)自2020年起实施MBKM项目。每一项政策都需要评估;一个简单的评价可以通过情绪分析来确定公众对MBKM计划的反应。结果被用作程序改进的建议。情感分析是通过应用自然语言处理(NLP)算法处理从Twitter抓取的数据，然后使用K-NN算法进行分类来完成的。从结果来看，市场情绪为中性。这说明人们对MBKM计划政策只是部分感兴趣。使用K-NN算法的分类模型准确率为95%，当训练数据占80%，测试数据占20%时，分类模型的f1得分值为0.96。关键词:MBKM, NLP, K-NN, F1-Score Program, Merdeka Belajar Kampus, Merdeka (MBKM)， merupakan suatu kebijakan dalam mendukung, pemberian kebebasan terhadap, mahasiswa untuk mengasah, kemampuan, dengan, merasakan, langsung, pengalaman, dunia, kerja, sebagai, bekal untuk menghaapi, persakir di masa mendatang。计划MBKM mulai diberlakukan oleh Kementerian Pendidikan Kebudayaan Riset dan技术(Kemendikbudristek)印度尼西亚共和国2020年12月1日。Setiap kebijakan tentunya perlu dievaluasi, evalusi sederhana dapat dilakukan melalui分析情感untuk mengetahui tanggapan masyarakat mengenai程序MBKM。Hasilnya digunakan sebagai saran perbaikan untuk pengembangan计划。自然语言处理(Natural Language Processing, NLP)处理数据的方法有:抓取微博、推特、K-NN算法。Berdasarkan分析师表示，该股情绪为中性。Hal ini menggambarkan bahwa masyarakat tidak sepenuhnya tertarik terhadap kebijakan程序MBKM, sedangkan untuk tingkat akurasi模型klisfikasi menggunakan算法K-NN sebesar 95% dan nilai F1-score sebesar 0.96 untuk模型klisfikasi dengan perbandan 80%数据latih和20%数据uji。Kata Kunci: MBKM, NLP, K-NN, F1-Score
{"title":"Implementasi Algoritma K-Nearest Neighbour dalam Menganalisis Sentimen Terhadap Program Merdeka Belajar Kampus Merdeka (MBKM)","authors":"Dewi Sartika","doi":"10.24002/jbi.v14i01.7178","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.7178","url":null,"abstract":"K-Nearest Neighbor Algorithm Implementation in sentiment analysis towards Merdeka Belajar Kampus Merdeka (MBKM) Program. Merdeka Belajar Kampus Merdeka (MBKM) is a program that supports students to improve their skills by having direct experience in the work environment to prepare for competition and a future career. MBKM program has been implemented by Indonesia's Ministry of Education, Culture, Research, and Technology (Kemendikbudristek) since 2020. Every policy needs to be evaluated; a simple evaluation can be done through sentiment analysis to determine public responses to the MBKM program. The results are used as suggestions for program improvement. Sentiment analysis is done by applying the Natural Language Processing (NLP) algorithm to process crawled data from Twitter, then classified using the K-NN Algorithm. Based on the results, the sentiment is neutral. This illustrates that people are only partially interested in the MBKM program policy. The accuracy of the classification model using the K-NN algorithm is 95%, and an F1-score value of 0.96 for the classification model with a ratio of 80% training data and 20% test data.Keywords: MBKM, NLP, K-NN, F1-Score\u0000 \u0000Program Merdeka Belajar Kampus Merdeka (MBKM) merupakan suatu kebijakan dalam mendukung pemberian kebebasan terhadap mahasiswa untuk mengasah kemampuan dengan merasakan langsung pengalaman di dunia kerja sebagai bekal untuk menghadapi persaingan dan persiapan berkarir di masa mendatang. Program MBKM mulai diberlakukan oleh Kementerian Pendidikan Kebudayaan Riset dan Teknologi (Kemendikbudristek) Republik Indonesia sejak tahun 2020. Setiap kebijakan tentunya perlu dievaluasi, evalusi sederhana dapat dilakukan melalui analisis sentimen untuk mengetahui tanggapan masyarakat mengenai program MBKM. Hasilnya digunakan sebagai saran perbaikan untuk pengembangan program. Analisis sentimen dilakukan dengan menerapkan algoritma Natural Language Processing (NLP) untuk memproses data hasil crawling dari Twitter, selanjutnya diklasifikasikan menggunakan algoritma K-NN. Berdasarkan hasil analisis diperoleh bahwa sentimen masyarakat bersifat netral. Hal ini menggambarkan bahwa masyarakat tidak sepenuhnya tertarik terhadap kebijakan program MBKM, sedangkan untuk tingkat akurasi model klasifikasi menggunakan algoritma K-NN sebesar 95% dan nilai F1-score sebesar 0,96 untuk model klasifikasi dengan perbandingan 80% data latih dan 20% data uji.Kata Kunci: MBKM, NLP, K-NN, F1-Score","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"71 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127038255","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}
Pub Date : 2023-04-01DOI: 10.24002/jbi.v14i01.6612
Ayub Her Pracoyo, Clara Hetty Primasari, Albertus Joko Santoso, Thomas Adi Purnomo Sidhi, Yohanes Priadi Wibisono, Djoko Budiyanto Setyohadi
Analisis Komparatif Respon Suara dari Algoritma Sederhana dan Algoritma Fuzzy di Saron Virtual Reality. Game virtual reality dengan konsep alat musik memerlukan respon suara yang dinamis karena musik tidak lepas dari perasaan manusia dalam memainkannya. Suara yang bagus dalam sebuah game tergantung pada kesesuaiannya dengan situasi game. Keterbatasan waktu dan tempat menjadi permasalahan dalam melakukan variasi perekaman sampel suara. Jika sampel suara yang diambil terbatas dan diterapkan dengan algoritma sederhana kemungkinan terdengar repetitif dan kurang sesuai dengan dinamika suara musik sesuai kehidupan nyata manusia. Oleh karena itu, pada penelitian ini dilakukan komparasi implementasi antara algoritma sederhana dengan algoritma fuzzy pada suara game Gamelan Saron. Metode pengolahan data yang digunakan adalah analisis komparatif dan data diperoleh dari hasil eksperimen responden. Pada skala persetujuan satu sampai lima, mayoritas responden setuju adanya perubahan signifikan yang lebih baik setelah diberikan algoritma fuzzy yang digambarkan dengan nilai rata-rata 4,1.Kata Kunci: suara, gamelan, Saron, dinamika, fuzzy Comparative Analysis of Sound Response from Simple and Fuzzy Algorithm in Saron Virtual Reality. Virtual reality games with musical instruments require a dynamic sound response because playing the instrument requires real human feelings. A good sound in a game depends on its suitability for the game situation. Time and place limitations are a problem in recording variations in sound sample recording. If the sound samples taken are limited and a simple algorithm is applied, it may sound repetitive and not match the dynamics of music according to real human life. Therefore, in this study, a comparison of a simple algorithm with the fuzzy algorithm was carried out in the Gamelan Saron game. The data processing method used is a comparative analysis obtained from the experimental results of the respondents. On the agreement scale of one to five, most respondents agree that there is a better significant change after being given a fuzzy algorithm described by a mean value of 4.1. Keywords: sound, gamelan, Saron, dynamics, fuzzy
{"title":"Comparative Analysis of Sound Response from Simple and Fuzzy Algorithm in Saron Virtual Reality","authors":"Ayub Her Pracoyo, Clara Hetty Primasari, Albertus Joko Santoso, Thomas Adi Purnomo Sidhi, Yohanes Priadi Wibisono, Djoko Budiyanto Setyohadi","doi":"10.24002/jbi.v14i01.6612","DOIUrl":"https://doi.org/10.24002/jbi.v14i01.6612","url":null,"abstract":"Analisis Komparatif Respon Suara dari Algoritma Sederhana dan Algoritma Fuzzy di Saron Virtual Reality. Game virtual reality dengan konsep alat musik memerlukan respon suara yang dinamis karena musik tidak lepas dari perasaan manusia dalam memainkannya. Suara yang bagus dalam sebuah game tergantung pada kesesuaiannya dengan situasi game. Keterbatasan waktu dan tempat menjadi permasalahan dalam melakukan variasi perekaman sampel suara. Jika sampel suara yang diambil terbatas dan diterapkan dengan algoritma sederhana kemungkinan terdengar repetitif dan kurang sesuai dengan dinamika suara musik sesuai kehidupan nyata manusia. Oleh karena itu, pada penelitian ini dilakukan komparasi implementasi antara algoritma sederhana dengan algoritma fuzzy pada suara game Gamelan Saron. Metode pengolahan data yang digunakan adalah analisis komparatif dan data diperoleh dari hasil eksperimen responden. Pada skala persetujuan satu sampai lima, mayoritas responden setuju adanya perubahan signifikan yang lebih baik setelah diberikan algoritma fuzzy yang digambarkan dengan nilai rata-rata 4,1.Kata Kunci: suara, gamelan, Saron, dinamika, fuzzy\u0000Comparative Analysis of Sound Response from Simple and Fuzzy Algorithm in Saron Virtual Reality. Virtual reality games with musical instruments require a dynamic sound response because playing the instrument requires real human feelings. A good sound in a game depends on its suitability for the game situation. Time and place limitations are a problem in recording variations in sound sample recording. If the sound samples taken are limited and a simple algorithm is applied, it may sound repetitive and not match the dynamics of music according to real human life. Therefore, in this study, a comparison of a simple algorithm with the fuzzy algorithm was carried out in the Gamelan Saron game. The data processing method used is a comparative analysis obtained from the experimental results of the respondents. On the agreement scale of one to five, most respondents agree that there is a better significant change after being given a fuzzy algorithm described by a mean value of 4.1.\u0000Keywords: sound, gamelan, Saron, dynamics, fuzzy","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"109 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"117218923","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}
Pub Date : 2022-10-01DOI: 10.24002/jbi.v13i02.6328
Eri Zuliarso, Sulastri, Yunus Anis
Abstract. Image-Based Retrieval to Find Trademark Similarities Using SIFT and SURF Algorithms. In the world of trade in products and services, brands are essential. Every company wants to register a unique trademark for its products and services. Registration and evaluation to find the uniqueness of a trademark is challenging. Trademark image registration is one of the critical application areas of Content-BasedRetrieval (CBIR), which compares new brands with existing ones to ensure no dispute in the community. This study used SIFT and SURF algorithms to build a content-based brand image retrieval system. The research data used trademark data dispute cases that were decided in court. The features extracted from the SIFT and SURF algorithms are used to find similarities between the query image and the image in the database. Furthermore, the k-Nearest Neighbors algorithm with Euclidean distance measurements was used to sort the database images that were most similar to the query image. Experiments were conducted to find the algorithm and sequencing with the highest precision and recall values.Keywords: Trademark, SIFT, SURF, K-Nearest Neighbors, Euclidean. Abstrak. Dalam dunia perdagangan produk dan jasa, merek menjadi sangat penting. Setiap perusahaan ingin mendaftarkan merek dagang yang unik untuk produk dan jasanya. Pendaftaran dan evaluasi untuk menemukan kekhasan suatu merek dagang menjadi suatu pekerjaan yang sangat sulit. Pendaftaran citra merek dagang adalah salah satu area aplikasi penting Content Based Information Retrieval (CBIR) yang membandingkan merek baru dengan merek yang ada untuk memastikan tidak ada sengketa di masyarakat. Penelitian ini menggunakan algoritma SIFT dan SURF untuk membangun sistem temu kembali citra merek berbasis konten . Data penelitian menggunakan kasus sengketa data merek yang diputuskan di pengadilan. Fitur hasil ekstraksi algoritma SIFT dan SURF digunakan untuk mencari kemiripan citra query dan citra dalam basis data. Selanjutnya algoritma k-Nearest Neighbors dengan pengukuran jarak Euclidean digunakan untuk mengurutkan citra basis data yang paling mirip dengan citra query. Eksperimen dilakukan untuk mengetahui algoritma dan pengurutan dengan nilai presisi dan recall tertinggi. Kata Kunci: Merek, SIFT, SURF, K-Nearest Neighbors, Euclidean.
摘要基于图像的SIFT和SURF商标相似度检索。在产品和服务贸易的世界里，品牌是必不可少的。每个公司都想为自己的产品和服务注册一个独特的商标。注册和评估以发现商标的独特性是具有挑战性的。商标图像注册是基于内容检索(Content-BasedRetrieval, CBIR)技术的重要应用领域之一，该技术将新商标与已有商标进行比较，以确保商标在社区内不存在争议。本研究采用SIFT和SURF算法构建了一个基于内容的品牌图像检索系统。本研究数据采用了法院判决的商标数据纠纷案件。使用SIFT和SURF算法提取的特征来查找查询图像与数据库中图像之间的相似度。此外，采用欧氏距离测量的k近邻算法对与查询图像最相似的数据库图像进行排序。通过实验寻找精度和召回率最高的算法和排序。关键词:商标，SIFT, SURF, k近邻，欧几里得Dalam dunia perdagangan产品dan jasa, merek menjadi sangat penting。设置perusahaan在孟达达尔坎merek大港洋不同的untuk产品丹jasanya。彭达芬丹评估，untuk menemukan kekhasan suatu merek dagang menjadi suatu pekerjaan yang sangat suit。基于内容的信息检索(CBIR)技术的应用。基于内容的信息检索(CBIR)技术。Penelitian ini menggunakan算法SIFT和SURF untuk成员枪系统对kembali citra进行了简单的基础分析。数据penelitian menggunakan kasus senketa数据merek yang diputuskan di pengadilan。使用SIFT算法对数据进行检索，查询数据的基础数据。Selanjutnya算法-最近邻dengan penguin jark欧几里得digunakan untuk mengurutkan citra的基础数据yang paling mimip dengan citra查询。本文提出了一种基于概率回归的概率回归算法。Kata Kunci: Merek, SIFT, SURF, K-Nearest Neighbors, Euclidean。
{"title":"Temu Kembali Berbasis Citra untuk Menemukan Kemiripan Merek Menggunakan Algoritma SIFT dan SURF","authors":"Eri Zuliarso, Sulastri, Yunus Anis","doi":"10.24002/jbi.v13i02.6328","DOIUrl":"https://doi.org/10.24002/jbi.v13i02.6328","url":null,"abstract":"Abstract. Image-Based Retrieval to Find Trademark Similarities Using SIFT and SURF Algorithms. In the world of trade in products and services, brands are essential. Every company wants to register a unique trademark for its products and services. Registration and evaluation to find the uniqueness of a trademark is challenging. Trademark image registration is one of the critical application areas of Content-BasedRetrieval (CBIR), which compares new brands with existing ones to ensure no dispute in the community. This study used SIFT and SURF algorithms to build a content-based brand image retrieval system. The research data used trademark data dispute cases that were decided in court. The features extracted from the SIFT and SURF algorithms are used to find similarities between the query image and the image in the database. Furthermore, the k-Nearest Neighbors algorithm with Euclidean distance measurements was used to sort the database images that were most similar to the query image. Experiments were conducted to find the algorithm and sequencing with the highest precision and recall values.Keywords: Trademark, SIFT, SURF, K-Nearest Neighbors, Euclidean.\u0000Abstrak. Dalam dunia perdagangan produk dan jasa, merek menjadi sangat penting. Setiap perusahaan ingin mendaftarkan merek dagang yang unik untuk produk dan jasanya. Pendaftaran dan evaluasi untuk menemukan kekhasan suatu merek dagang menjadi suatu pekerjaan yang sangat sulit. Pendaftaran citra merek dagang adalah salah satu area aplikasi penting Content Based Information Retrieval (CBIR) yang membandingkan merek baru dengan merek yang ada untuk memastikan tidak ada sengketa di masyarakat. Penelitian ini menggunakan algoritma SIFT dan SURF untuk membangun sistem temu kembali citra merek berbasis konten . Data penelitian menggunakan kasus sengketa data merek yang diputuskan di pengadilan. Fitur hasil ekstraksi algoritma SIFT dan SURF digunakan untuk mencari kemiripan citra query dan citra dalam basis data. Selanjutnya algoritma k-Nearest Neighbors dengan pengukuran jarak Euclidean digunakan untuk mengurutkan citra basis data yang paling mirip dengan citra query. Eksperimen dilakukan untuk mengetahui algoritma dan pengurutan dengan nilai presisi dan recall tertinggi. Kata Kunci: Merek, SIFT, SURF, K-Nearest Neighbors, Euclidean.","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"39 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116918900","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}
Pub Date : 2022-10-01DOI: 10.24002/jbi.v13i02.6117
Salma Maghfira, Tri Sagirani, Tan Amelia
Abstract. Dashboard Prototype of Website-Based Postasy Application Using the Pureshare Method to Improve the Convenience of Posyandu Services.Integrated Service Post (Posyandu) is a form of community-based health service. Recording of data in a Posyandu is the main activity. To support the main activities, Posyandu has a Postasy website that can display information, maintain data and manage every detail that will be used. The evaluation results showed that the website has deficiencies in the value of memorability and satisfaction, and the dashboard display is inadequate. The solution offered to redesign the dashboard using the pureshare method and the double diamond model as a stage in building a prototype. The final test of the prototype results using the UXT usability test tool and a questionnaire. The test results through the distribution of questionnaires are 87.3% in memorability and 84.8% in satisfaction. The results of testing using UXT obtained 100%, which means that the design is excellent, can be accepted by respondents, and becomes a recommendation.Keywords: Posyandu, redesign, usability testing Abstrak. Pos Pelayanan Terpadu (Posyandu) adalah suatu bentuk layanan kesehatan berbasis masyarakat. Pencatatan dan perekapan data di sebuah Posyandu merupakan kegiatan utama yang dilakukan. Untuk mendukung kegiatan utama Posyandu memiliki website Postasy yang dapat menampilkan informasi yang dibutuhkan, memelihara data dan mengelola setiap detail yang akan digunakan. Berdasarkan hasil wawancara terdapat beberapa keluhan terhadap tampilan website Postasy. Dari hasil evaluasi didapatkan data bahwa website memiliki kekurangan pada nilai memorability dan satisfaction dan juga tampilan dashboard yang kurang memadai. Solusi yang ditawarkan adalah mendesain ulang dashboard menggunakan metode pureshare, dan model double diamond sebagautahapan dalam membangun prototype. Pengujian akhir terhadap hasil prototipe dilakukan dengan menggunakan uji usability tools UXT dan kuesioner. Hasil pengujian melalui penyebaran kuesioner diperoleh hasil 87,3% untuk memorability dan 84,8% untuk satisfaction. Hasil pengujian menggunakan UXT diperoleh hasil 100% yang artinya dapat disimpulkan bahwa desain sangat baik, dan dapat diterima oleh responden sehingga menjadi rekomendasi pengguna.Kata Kunci: Posyandu, desain ulang, usability testing
摘要基于站点Postasy应用的仪表板原型，利用Pureshare方法提高Postasy服务的便利性。综合服务站是一种社区卫生服务形式。在Posyandu中记录数据是主要活动。为了支持主要活动，Posyandu有一个Postasy网站，可以显示信息、维护数据和管理将使用的每一个细节。评价结果显示，网站在记忆价值和满意度上存在不足，仪表板显示不足。该解决方案提出使用pureshare方法和双菱形模型作为构建原型的一个阶段来重新设计仪表板。使用UXT可用性测试工具和问卷对原型进行最终测试。通过发放问卷的测试结果，记忆率为87.3%，满意度为84.8%。使用UXT测试的结果获得100%，这意味着设计是优秀的，可以被受访者接受，并成为推荐。关键词:Posyandu，重新设计，可用性测试Pos Pelayanan Terpadu (Posyandu) adalah suatu bentuk layanan kesehatan berbasis masyarakat。我的意思是，我的意思是我的意思是我的意思是我的意思是我的意思是我的意思。Untuk mendukung kegiatan utama Posyandu memoriliki网站Postasy yang dapat menampilkan informasi yang dibutuhkan, memelihara数据和mengelola设置细节yang akan digunakan。Berdasarkan hasil wawancara terdapat beberapa keluhan terhadap tampilan网站。Dari hasil评估didapatkan数据bahwa网站memoriliki kekurangan pada nilai可记忆性dan满足感dan juga tampilan仪表板yang kurang memadai。Solusi yang ditawarkan adalah mendesain ulang仪表板menggunakan method pureshare, dan模型双钻石sebagautahapan dalam membangan原型。企鹅阿克哈德哈斯原型，dilakukan denengan menggunakan uji可用性工具UXT dan kuesioner。企鹅的记忆性为87,3%，满意度为84,8%。哈西尔企鹅孟古纳肯UXT diperoleh哈西尔100% yang artinya企鹅dispulpulkan bahwa desain sangat baik，但哈西尔企鹅diterima oleh回应了哈西尔企鹅孟古纳的建议。Kata Kunci: Posyandu，设计，可用性测试
{"title":"Prototipe Dashboard Aplikasi POSTASY Berbasis Website Menggunakan Metode Pureshare untuk Meningkatkan Kemudahan Layanan Posyandu","authors":"Salma Maghfira, Tri Sagirani, Tan Amelia","doi":"10.24002/jbi.v13i02.6117","DOIUrl":"https://doi.org/10.24002/jbi.v13i02.6117","url":null,"abstract":"Abstract. Dashboard Prototype of Website-Based Postasy Application Using the Pureshare Method to Improve the Convenience of Posyandu Services.Integrated Service Post (Posyandu) is a form of community-based health service. Recording of data in a Posyandu is the main activity. To support the main activities, Posyandu has a Postasy website that can display information, maintain data and manage every detail that will be used. The evaluation results showed that the website has deficiencies in the value of memorability and satisfaction, and the dashboard display is inadequate. The solution offered to redesign the dashboard using the pureshare method and the double diamond model as a stage in building a prototype. The final test of the prototype results using the UXT usability test tool and a questionnaire. The test results through the distribution of questionnaires are 87.3% in memorability and 84.8% in satisfaction. The results of testing using UXT obtained 100%, which means that the design is excellent, can be accepted by respondents, and becomes a recommendation.Keywords: Posyandu, redesign, usability testing\u0000Abstrak. Pos Pelayanan Terpadu (Posyandu) adalah suatu bentuk layanan kesehatan berbasis masyarakat. Pencatatan dan perekapan data di sebuah Posyandu merupakan kegiatan utama yang dilakukan. Untuk mendukung kegiatan utama Posyandu memiliki website Postasy yang dapat menampilkan informasi yang dibutuhkan, memelihara data dan mengelola setiap detail yang akan digunakan. Berdasarkan hasil wawancara terdapat beberapa keluhan terhadap tampilan website Postasy. Dari hasil evaluasi didapatkan data bahwa website memiliki kekurangan pada nilai memorability dan satisfaction dan juga tampilan dashboard yang kurang memadai. Solusi yang ditawarkan adalah mendesain ulang dashboard menggunakan metode pureshare, dan model double diamond sebagautahapan dalam membangun prototype. Pengujian akhir terhadap hasil prototipe dilakukan dengan menggunakan uji usability tools UXT dan kuesioner. Hasil pengujian melalui penyebaran kuesioner diperoleh hasil 87,3% untuk memorability dan 84,8% untuk satisfaction. Hasil pengujian menggunakan UXT diperoleh hasil 100% yang artinya dapat disimpulkan bahwa desain sangat baik, dan dapat diterima oleh responden sehingga menjadi rekomendasi pengguna.Kata Kunci: Posyandu, desain ulang, usability testing","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"34 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127686322","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}
Pub Date : 2022-10-01DOI: 10.24002/jbi.v13i02.5448
Rizal Adi Saputra, Jumadil Nangi, Ika Purwanti Ningrum, Muhamad Faza Almaliki, La Ode Rahmat Andre Pratama
Abstract. Detection of Counterfeit Rupiah Using the Laplacian of Gaussian (LoG) Edge Detection Method and the K-Means Clustering Algorithm Counterfeit money is a severe problem that is increasing in every country. The reason is the ease of getting information on making counterfeit money and the development of technology such as color printers. This study used data from 20 images of authentic rupiah banknotes and 20 photos of fake rupiah banknotes. Data analysis in this study consisted of four stages: reading the image, converting the image to grayscale, image segmentation, and grouping image values. The dataset of real money images were taken with a cellphone camera, while counterfeit money images were obtained from the website. After the dataset retrieval process, the image conversion process was carried out into a grayscale image; then, the image segmentation process proceeded. The conclusion obtained from this study is that edge detection with Laplacian of Gaussian combined with the K-Means Clustering algorithm is quite effective in detecting an image to determine the picture as whether real money or counterfeit money.Keywords: Counterfeit Money, Laplacian of Gaussian, K-Means Clustering. Abstrak. Uang palsu adalah masalah serius yang semakin meningkat di setiap negara. Penyebabnya ialah kemudahan mendapatkan informasi cara pembuatan uang palsu serta perkembangan teknologi seperti printer warna. Penelitian ini menggunakan data 20 gambar uang kertas rupiah asli dan 20 gambar uang kertas rupiah palsu. Analisis data pada penelitian ini terdiri dari empat tahap, yaitu membaca gambar, mengubah gambar menjadi skala abu-abu, segmentasi gambar, dan pengelompokan nilai citra. Pengambilan dataset berupa uang asli dilakukan dengan kamera handphone dan gambar uang palsu didapatkan dari website. Setelah proses temu kembali dataset, dilakukan proses konversi citra menjadi citra grayscale, kemudian dilakukan proses segmentasi citra. Kesimpulan yang diperoleh dari penelitian ini adalah deteksi tepi dengan Laplacian of Gaussian yang dikombinasikan dengan algoritma K-Means Clustering cukup efektif mendeteksi suatu citra untuk menentukan gambar tersebut sebagai uang asli atau uang palsu.Kata Kunci: Uang Palsu, Laplacian of Gaussian, K-Means Clustering.
摘要利用拉普拉斯高斯(LoG)边缘检测方法和k均值聚类算法检测印尼盾假币是各国日益严重的问题。原因是获取伪造假币的信息很容易，而且彩色打印机等技术的发展。本研究使用的数据来自20张真实印尼盾纸币的图像和20张假印尼盾纸币的照片。本研究的数据分析包括四个阶段:读取图像、将图像转换为灰度、图像分割、图像值分组。真实货币图像的数据集是用手机相机拍摄的，而假币图像则是从网站上获取的。数据集检索过程结束后，进行图像转换过程，得到灰度图像;然后，进行图像分割处理。本研究得出的结论是，利用拉普拉斯高斯聚类结合K-Means聚类算法进行边缘检测，可以有效地检测图像，判断图像是真钱还是假币。关键词:假币，拉普拉斯高斯，k -均值聚类，摘要黄帕素adalah masalah serius阳semakin脑膜炎设置negara。Penyebabnya ialah kemudahan mendapatkan信息系统，卡拉pembuatan wangpalsu serta perkembangan技术独立打印机警告。Penelitian ini menggunakan数据20 gambar wang kertas rupiia asli dan 20 gambar wang kertas rupiia palsu。分析数据:ini terdiri dari empat tahap, yitu membaca gambar, mengubah gambar, menjadi skala abu-abu, segmentasi gambar, dan pengelompokan nilai citra。彭甘比兰数据集berupa wong asli dilakukan dengan相机手机dan gambar wong palsu didapatkan dari网站。Setelah处理temu kembali数据集，dilakukan处理konversi citra menjadi citra灰度，kemudian dilakukan处理segmentasi citra。高斯聚类的拉普拉斯聚类算法，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类，高斯聚类的拉普拉斯聚类。Kata Kunci, wang Palsu，高斯拉普拉斯，K-Means聚类。
{"title":"Deteksi Uang Palsu Rupiah dengan Menggunakan Metode Deteksi Tepi Laplacian of Gaussian (LoG) dan Algoritma K-Means Clustering","authors":"Rizal Adi Saputra, Jumadil Nangi, Ika Purwanti Ningrum, Muhamad Faza Almaliki, La Ode Rahmat Andre Pratama","doi":"10.24002/jbi.v13i02.5448","DOIUrl":"https://doi.org/10.24002/jbi.v13i02.5448","url":null,"abstract":"Abstract. Detection of Counterfeit Rupiah Using the Laplacian of Gaussian (LoG) Edge Detection Method and the K-Means Clustering Algorithm Counterfeit money is a severe problem that is increasing in every country. The reason is the ease of getting information on making counterfeit money and the development of technology such as color printers. This study used data from 20 images of authentic rupiah banknotes and 20 photos of fake rupiah banknotes. Data analysis in this study consisted of four stages: reading the image, converting the image to grayscale, image segmentation, and grouping image values. The dataset of real money images were taken with a cellphone camera, while counterfeit money images were obtained from the website. After the dataset retrieval process, the image conversion process was carried out into a grayscale image; then, the image segmentation process proceeded. The conclusion obtained from this study is that edge detection with Laplacian of Gaussian combined with the K-Means Clustering algorithm is quite effective in detecting an image to determine the picture as whether real money or counterfeit money.Keywords: Counterfeit Money, Laplacian of Gaussian, K-Means Clustering. Abstrak. Uang palsu adalah masalah serius yang semakin meningkat di setiap negara. Penyebabnya ialah kemudahan mendapatkan informasi cara pembuatan uang palsu serta perkembangan teknologi seperti printer warna. Penelitian ini menggunakan data 20 gambar uang kertas rupiah asli dan 20 gambar uang kertas rupiah palsu. Analisis data pada penelitian ini terdiri dari empat tahap, yaitu membaca gambar, mengubah gambar menjadi skala abu-abu, segmentasi gambar, dan pengelompokan nilai citra. Pengambilan dataset berupa uang asli dilakukan dengan kamera handphone dan gambar uang palsu didapatkan dari website. Setelah proses temu kembali dataset, dilakukan proses konversi citra menjadi citra grayscale, kemudian dilakukan proses segmentasi citra. Kesimpulan yang diperoleh dari penelitian ini adalah deteksi tepi dengan Laplacian of Gaussian yang dikombinasikan dengan algoritma K-Means Clustering cukup efektif mendeteksi suatu citra untuk menentukan gambar tersebut sebagai uang asli atau uang palsu.Kata Kunci: Uang Palsu, Laplacian of Gaussian, K-Means Clustering.","PeriodicalId":381749,"journal":{"name":"Jurnal Buana Informatika","volume":"21 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"125835406","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：