Articles
<![CDATA[PROMOTER ACCOUNT DETECTION IN TWITTER ]]>
<![CDATA[Syidada, Shofiya]]>;
<![CDATA[Azzahra, Noor Fitria]]>;
<![CDATA[Puspaningrum, Eva Yulia]]>
<![CDATA[ JUTI: Jurnal Ilmiah Teknologi Informasi Vol 12, No 1, Januari 2014 ]]>
Publisher : <![CDATA[Department of Informatics, Institut Teknologi Sepuluh Nopember ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (396.427 KB)
|
DOI: 10.12962/j24068535.v12i1.a44
<![CDATA[Twitter is an online social network and micro-blog that becomes an alternative media for sharing and getting information. In the political area, Twitter provides various features as a media to promote campaign and get a good imaging for political party or contestant. In order to get a good opinion from other users, the contestant can manipulate their success with a massive promotion. This promotion activity could lead to public opinion that is not consistent with the facts. So that, we need to determine whether this is promoter account or not. In this paper, we propose a new framework for promoter account detection. This framework based on twitter content to detect promoter account according to their existence in topic of promotion. This framework employs k-means approach in order to cluster topic of promotion based on twitter’s content. From each cluster, we evaluate the existence of promoter account. With very simple approach, the results obtained on experiment show that this framework is effective for promoter account detection.]]>
<![CDATA[IMPLEMENTASI METODE DEMPSTER-SHAFER UNTUK DIAGNOSA PENYAKIT KULIT KUCING ]]>
<![CDATA[Tataq Distasianto]]>;
<![CDATA[Eva Yulia Puspaningrum]]>;
<![CDATA[Yisti Vita Via]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (775.881 KB)
<![CDATA[Kucing adalah hewan yang banyak dipelihara masyarakat. Namun, hal tersebut tidak diimbangi dengan pengetahuan mengenai penyakit serta penanganan yang tepat. Hal tersebut dapat diatasi dengan memanfaatkan sistem pakar yang mampu mendeteksi penyakit kulit yang diderita kucing berdasarkan gejala yang diderita. Penelitian ini menggunakan metode Dempster-Shafer untuk menentukan persentase nilai keyakinan dari penyakit yang terdiagnosa. Sistem pakar ini dibangun menggunakan bahasa pemrograman Visual Basic .NET. Dari pengujian terhadap 119 data, didapatkan akurasi sebesar 98,3% yang menunjukkan bahwa sistem pakar mampu mendeteksi jenis penyakit kulit pada kucing.]]>
<![CDATA[DETEKSI PLAT NOMOR KENDARAAN DENGAN MENGGUNAKAN METODE HOUGH TRANSFORM DAN SUPPORT VECTOR MACHINE ]]>
<![CDATA[Nurcahyo, Syai'in Bayu]]>;
<![CDATA[Yulia Puspaningrum, Eva]]>;
<![CDATA[S J Saputra, Wahyu]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (591.729 KB)
<![CDATA[Teknik-teknik deteksi pola telah berkembang dengan sangat pesat. Deteksi tidak lagi terbatas pada deteksi citra wajah dan tulisan tangan, tetapi meliputi hampir semua objek yang berbentuk citra digital, antara citra biomedis dan citra kendaraan. Salah satu teknik deteksi yang banyak digunakan adalah Transformasi Hough. Untuk mengidentifikasi hasil dari transformasi Hough yang sudah dilakukan sebelumnya, dilakukan dengan menggunakan metode Support Vector Machine (SVM). Proses deteksi SVM didahului dengan proses thresholding pada citra yang bertujuan untuk mengubah derajat keabuan menjadi citra biner agar dapat diketahui daerah mana yang termasuk background dan obyek pada citra. Sistem deteksi lokasi plat dan nomor pada kendaraan yang dihasilkan dari penelitian ini dapat menjadi referensi untuk pengembangan sistem deteksi yang sudah ada dalam meningkatkan akurasi dari pendeteksian pada plat nomor kendaraan. Namun masih perlu adanya perubahan atau peningkatan akurasi dari metode yang digunakan dalam penelitian ini agar mampu menghasilkan suatu sistem yang dapat mendeteksi plat nomor kendaraan dengan akurasi yang lebih baik.]]>
<![CDATA[IMPLEMENTASI ALGORITMA YOLO (YOU ONLY LOOK ONCE) UNTUK DETEKSI API ]]>
<![CDATA[Mada Lazuardi Nazilly]]>;
<![CDATA[Rahmat, Basuki]]>;
<![CDATA[Yulia Puspaningrum, Eva]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 1 (2020): JIFoSI Volume 1, No 1: Maret 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (719.676 KB)
<![CDATA[Kebakaran hutan dan lahan menjadi masalah yang selalu terjadi setiap tahun di wilayah Indonesia. Penyebabnya adalah cuaca panas pada musim kemarau yang dapat menyebabkan munculnya bara api maupun praktek pembukaan lahan pertanian atau perkebunan baru pada kawasan hutan yang dilakukan dengan cara pembakaran liar. Hal ini dapat dicegah dengan memanfaatkan Drone, yaitu teknologi pesawat tanpa awak yang dapat digunakan untuk memantau titik-titik api pada kawasan hutan/lahan melalui udara. Penelitian ini dilakukan untuk mengembangkan sistem deteksi api berbasis drone dengan menerapkan algoritma YOLO (You Only Look Once) yang menggunakan jaringan syaraf konvolusional untuk mendeteksi objek api pada citra. Hasil penelitian menunjukkan bahwa penggunaan algoritma YOLO berhasil untuk mendeteksi api dengan cukup baik dengan menghasilkan rata-rata nilai confidence sebesar 0.66 pada pengujian video. Sedangkan untuk pengujian menggunakan 100 citra pada nilai threshold 0.30, menghasilkan skor precision sebesar 98%, skor recall sebesar 95% dan skor accuracy sebesar 95% serta skor mean average precison (mAP) sebesar 72.63%.]]>
<![CDATA[PENERAPAN CASE BASED REASONING PADA SISTEM REKOMENDASI TOPIK SKRIPSI PROGRAM STUDI INFORMATIKA UPN “VETERAN†JAWA TIMUR ]]>
<![CDATA[Muhammad Syafril Hidayat]]>;
<![CDATA[Yulia Puspaningrum, Eva]]>;
<![CDATA[Hanindia Prami Swari, Made]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (383.231 KB)
<![CDATA[Case Based Reasoning (CBR) merupakan sistem penalaran yang menggunakan kasus lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Sistem yang dibangun dalam penelitian ini adalah sistem CBR untuk rekomendasi topik skripsi program studi informatika Univeritas Pembangunan Nasional ?Veteran? Jawa Timur. Proses perhitungan dilakukan dengan memasukkan kasus baru yang berisi fitur-fitur yang dihitung oleh sistem untuk menemukan nilai similaritas antara kasus baru dengan basis kasus menggunakan metode perhitungan similaritas manhattan distance dan euclidean distance. Penelitian ini dikelompokkan menjadi laboratorium Pemrograman, Pengembangan dan Strategi IT (PPS) dan Sistem Cerdas dan Robotika (SCR). Kasus yang diambil menggunakan klasifikasi hasil K-Nearest Neighbour yang bidandingkan dengan mengambil rekomendasi dari tiga similaritas tertinggi. Jika suatu kasus tidak berhasil mencapai nilai threshold, maka kasus direvisi oleh pakar. Hasil pengujian rata-rata sistem untuk merekomendasikan topik skripsi menggunakan transkrip nilai dari salah satu laboratoium, ditemukan bahwa pada laboratorium PPS dengan hasil rekomendasi topik skripsi terbaik dengan menerapkan pemilihan salah satu dari rekomendasi tiga similaritas tertinggi untuk hasil rekomendasi bidang keahlian yang direkomendasikan kepada mahasiswa yang menggunakan perhitungan similaritas euclidean distance dengan hasil akurasi sistem sebesar 68.75% dan validasi menggunakan k-fold cross validation memiliki akurasi sebesar 74%. Sedangkan laboratorium SCR dengan hasil rekomendasi topik skripsi terbaik dengan menerapkan pemilihan salah satu dari rekomendasi tiga similaritas tertinggi untuk hasil rekomendasi bidang keahlian yang direkomendasikan kepada mahasiswa yang menggunakan perhitungan similaritas manhattan distance dengan hasil akurasi sistem sebesar 87.5% dan validasi menggunakan k-fold cross validation memiliki akurasi sebesar 79%.]]>
<![CDATA[OTOMATISASI PENGATUR INTENSITAS CAHAYA RUANG MENGGUNAKAN LOGIKA FUZZY ]]>
<![CDATA[Nabilah, Qonitah Jihan]]>;
<![CDATA[Yulia Puspaningrum, Eva]]>;
<![CDATA[Syaifullah JS, Wahyu]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (283.534 KB)
<![CDATA[Otomatisasi alat biasanya digunakan untuk proses industri, tetapi seiring berjalannya waktu otomatisasi alat dapat juga digunakan untuk kebutuhan di dalam rumah. Dalam menjalankan kegiatan sehari ? hari, cahaya merupakan kebutuhan yang penting pada ruangan baik pada rumah, kantor, maupun industri, intensitas cahaya pada lampu di ruangan tersebut perlu disesuaikan. Pada sistem konvensional yang sudah ada hanya menggunakan prinsip untuk menyalakan dan mematikan lampu saja sehingga diperlukan adanya suatu alat yang dapat mengatur redup maupun terangnya lampu secara otomatis. Maka dari itu, dibuatlah pengatur intensitas cahaya secara otomatis menggunakan mikrokontroler arduino uno dengan memanfaatkan sensor Light Dependent Resistant (LDR) dan metode fuzzy untuk membantu pengambilan keputusan dari sistem. Mikrokontroler Arduino merupakan mikrokontroler yang telah banyak diketahui oleh orang jadi akan lebih mudah jika ingin diikuti dan fuzzy merupakan metode yang sederhana dan ringan sehingga cocok untuk diprogram pada Arduino. Hasil dari penelitian ini didapatkan dengan menguji pada beberapa jam tertentu mulai pagi hingga malam yaitu jam 05.00 sampai dengan 19.00. Hasil tersebut berupa nilai nyala lampu yang nantinya akan dibandingkan dengan nilai nyala lampu jika sistem tidak menggunakan metode fuzzy. Setelah dibandingkan, nilai rata ? rata dari perbandingan menggunakan metode fuzzy dan tanpa fuzzy adalah sebesar 0,898% yang berarti nilai tersebut baik karena tidak terlalu ada perbedaan antara menggunakan fuzzy dan tanpa fuzzy, tetapi tetap lebih baik menggunakan fuzzy karena akan berdampak pada kesehatan mata manusia karena lampu yang ada di dalam ruangan akan lebih bisa menyesuaikan cahaya diluar ruangan. Kata kunci: arduino, intensitas cahaya, fuzzy logic]]>
<![CDATA[IMPLEMENTASI METODE NAIVE BAYES DAN CERTAINTY FACTOR DALAM MENDIAGNOSA PENYAKIT KULIT KUCING ]]>
<![CDATA[Fitri Rahmawati]]>;
<![CDATA[Vita Via, Yisti]]>;
<![CDATA[Yulia Puspaningrum, Eva]]>
<![CDATA[ Jurnal Informatika dan Sistem Informasi (JIFoSI) Vol. 1 No. 2 (2020): JIFoSI Volume 1, No 2: Juli 2020 ]]>
Publisher : <![CDATA[Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (411.166 KB)
<![CDATA[Saat ini banyak sekali orang yang memelihara hewan terutama kucing. Kucing banyak dipelihara karena tingkah lakunya yang menggemaskan dan juga lucu, namun kucing juga sering terkena penyakit terutama penyakit kulit kucing. Penyakit ini perlu perawatan khusus oleh dokter karena jika tidak ditangani dapat menyebabkan kematian. Kurangnya pelayanan 24 jam fasilitas klinik hewan maupun rumah sakit hewan membuat pemilik kucing tidak dapat memeriksakan kucingnya diluar jam operasi, untuk itu diperlukan suatu sistem yang dapat mendiagnosa penyakit kulit kucing sehingga pemilik kucing dapat mengetahui penyakit yang diderita kucingnya berdasarkan gejala-gejala yang dialami sehingga dapat dilakukan penanganan yang tepat.Metode yang digunakan dalam penelitian ini yaitu Algoritma Naive Bayes dan Certainty Factor, Algoritma Naive Bayes digunakan untuk mengklasifikasikan penyakit kulit kucing dengan mencari nilai prior, likelihood dan posteriornya, sedangkan Algoritma Certainty Factor digunakan untuk menilai tingkat kepastian dari hasil klasifikasi Algoritma Naive Bayes dengan menghitung inputan nilai Certainty Factor User dan nilai Certainty Factor Pakar. Tujuan dari sistem ini ialah untuk mengidentifikasi penyakit yang menyerang kulit kucing dengan nilai tingkat kepastian agar dapat dilakukan penanganan yang tepat. Dari hasil penelitian yang telah dilakukan menggunakan 50 data training dan 15 data testing dapat diketahui tingkat akurasi dari pengujian Sistem Diagnosa Penyakit Kulit Kucing Menggunakan Metode Naive Bayes Dan Certainty Factor dengan pengujian 15 data testing ialah sebesar 100%.]]>
<![CDATA[DETEKSI LETAK PLAT NOMOR KENDARAN DENGAN METODE WAVELETS TRANFORM ]]>
<![CDATA[Puspaningrum, Eva Yulia]]>;
<![CDATA[Saputra, Wahyu S J]]>;
<![CDATA[Chafid, M Putih]]>
<![CDATA[ SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 13, No 1 (2018) ]]>
Publisher : <![CDATA[Universitas Pembangunan Nasional "Veteran" Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33005/scan.v13i1.1055
<![CDATA[Abstrak. Plat kendaraan adalah sebuah atribut wajib yang harus dimiliki oleh setiap kendaraan bermotor. Untuk mengenali sebuah plat selain yang harus dikenali adalah karakter plat nomer tetapi sebelumnya kita juga harus tahu dimana dulu letak plat nomor itu berada. Feature extraction merupakan sala satu cara untuk pengenalan objek pada sebuah citra dengan melihat ciri khusus yang dimiliki oleh sebuah objek dengan tujuan untuk melakukan perhitungan dalam melakukan identifikasi ciri dari sebuah citra. Metode transformasi berbasis wavelet digunakan untuk mengekstraksi fitur untuk mencari plat nomor yang diinginkan. Kemudian, menemukan garis acuan dalam subimage merupakan peran penting untuk menemukan posisi plat nomer. Hasil dari penelitian ini 20 uji coba dengan aplikasi secara otomatis yang telah dilakukan, 11 data uji coba terdeteksi sukses dan 9 data dengan plat nomor yang gagal dikenali letaknya dengan sempurna. Persentase keberhasilannya adalah 55% dengan data gambar yang tegak lurus pada saat pengambilan. Kata Kunci: Deteksi, Plat nomor, Wavelet TransformDOI : https://doi.org/10.33005/scan.v13i1.1055]]>
<![CDATA[APLIKASI PENENTUAN PENJURUSAN SEKOLAH UNTUK SISWA SMA (STUDI KASUS: SMA WIDYA DARMA SURABAYA) ]]>
<![CDATA[Surjohadi, Surjohadi]]>;
<![CDATA[Puspaningrum, Eva Yulia]]>;
<![CDATA[Saputra, Raka Aji]]>
<![CDATA[ SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 12, No 2 (2017) ]]>
Publisher : <![CDATA[Universitas Pembangunan Nasional "Veteran" Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33005/scan.v12i2.913
<![CDATA[Abstrak. Seiring berkembangnya zaman ini semua manusia sangat tergantung dengan adanya teknologi informatika untuk membantu kegiatan sehari – hari. Pada sekolah SMA WIDYA DARMA untuk menentukan penjurusan siswa akan dilakukan pada saat naik ke kelas XI dengan mengambil nilai pelajaran IPA, IPS, dan tes psikologi. Pada saat ini di sekolah dalam hal pengelompokan penjurusan siswa masih sangat sulit. Sehingga masih banyak siswa masuk jurusan yang bukan kemampuannya berakibat menurunkan kemampuan siswa dalam belajar di sekolah. Dengan menggunkan metode K-Means akan mengelompokkan siswa di SMA WIDYA DARMA sesuai dengan klasifikasi nilai IPA, IPS, dan tes psikologi yang akan memberi gambaran untuk menentukan jurusan. Karna dengan metode K-Means akan memberikan kemudahan dalam mengelompokan data. Dari hasil 30 sempel data siswa-siswi SMA yang didapat bahwa metode K-Means mampu mengelompokkan data dengan persentase ketepatannya 100% dengan ini metode K-Means menghasilkan 2 kelompok jurusan berdasarkan nilai IPA, nilai IPS, dan nilai tes psikologi yaitu jurusan IPA dan jurusan IPS. Kata Kunci: K-Means, Perangkat Lunak, Jurusan, Tes Psikologi]]>
<![CDATA[PENGENALAN CITRA WAJAH DENGAN VARIASI ILUMINASI MENGGUNAKAN PRA-PEMROSESAN TAN AND TRIGGS DAN METODE KLASIFIKASI ROBUST REGRESSION ]]>
<![CDATA[Puspaningrum, Eva Yulia]]>;
<![CDATA[Suciati, Nanik]]>;
<![CDATA[Yuniarti, Anny]]>
<![CDATA[ SCAN - Jurnal Teknologi Informasi dan Komunikasi Vol 10, No 3 (2015) ]]>
Publisher : <![CDATA[Universitas Pembangunan Nasional "Veteran" Jawa Timur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.33005/scan.v10i3.621
<![CDATA[Abstrak. Pengenalan citra wajah dengan variasi iluminasi dianggap sebagai salah satu masalah penting di bidang pengenalan wajah karena variasi yang disebabkan oleh pencahyaan lebih signifikan dari pada ciri fisik wajah individu sendiri. Salah satu pendekatan untuk memecahkan masalah ini adalah dengan metode klasifikasi Robust Regression. Dalam penelitian ini metode Robust Regression dengan menggunakan teknik pra pemrosesan Tan and Triggs (TT) dapat menghasilkan kinerja yang cukup handal. Pengujian dilakukan dengan menggunakan 2 basisdata standar yaitu CMU-PIE dan Yale Face B. Berdasarkan uji coba yang dilakukan, penggunaan pra pemrosesan TT pada robust regression menghasilkan tingakat akurasi yang lebih unggul daripada penggunaan pra pemrosesan Histogram Equalization (HE). Pada CMU PIE Face Database pencahayaan frontal dengan pra proses HE akurasi sebesar 97,30% sedangkan dengan TT akurasi sebesar 97,82%. Pada kondisi pencahayaan ekstrim akurasi yang diperoleh HE sebesar 99,66% sedangkan TT sebesar 100%. Selain itu, dari hasil uji coba database lain yaitu dengan Yale Face Database B 50x50 akurasi menggunakan HE sebesar 84,7 % sedangkan dengan TT sebesar 93,95%. Kata Kunci: Pengenalan Wajah, Normalisasi Iluminasi, Robust Regression, Tan and Triggs.]]>
