cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta barat,
Dki jakarta
INDONESIA
InComTech: Jurnal Telekomunikasi dan Komputer
Published by Universitas Mercu Buana
ISSN : 20854822     EISSN : 25796089     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Electrical & Electronics Engineering Engineering
Program Studi Magister Teknik Elektro UMB menerbitkan Jurnal InComTech sebagai wadah bagi para akademisi, praktisi dan penggiat lainnya dalam bidang telekomunikasi dan computer (Information and Communication Technology/ICT) untuk menerbitkan karya tulisnya. Bidang-bidang yang menjadi bahasan jurnal ini meliputi teknologi, bisnis dan regulasi di bidang ICT, seperti (namun tak terbatas), teknologi IP, Wireless technology, Internet of Things, Microwaves, digital broadcasting, Fiber optik, strategi bisnis ICT, sumber daya manusia ICT, perencanaan bisnis, regulasi NGN, security in ICT, cyberlaw.
Arjuna Subject : -
Articles 9 Documents
 1 
Search results for , issue "Vol 12, No 3 (2022)" : 9 Documents clear
Klasifikasi Pneumonia Dengan Deep Learning Faster Region Convolutional Neural Network Arsitektur VGG16 dan ResNet50 Hafidz Daffa Hekmatyar; Wahyu Andi Saputra; Cepi Ramdani
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15112

Abstract

Pneumonia merupakan infeksi paru-paru yang melibatkan alveoli (kantung udara) dan disebabkan oleh mikroba, termasuk bakteri, virus, atau jamur yang dapat menyebabkan peradangan pada area bronkiolus dan alveoli. Pneumonia merupakan penyakit yang berbahaya apabila tidak ditangani dengan tepat. COVID-19 merupakan virus baru yang menyerang paru-paru dan diindikasikan dengan adanya pneumonia. Penting bagi pakar kesehatan untuk memberikan perawatan tepat jika ditemukan pneumonia pada kasus COVID-19. Namun demikian, kendala yag dihadapi dari citra toraks adalah mendeteksi adan-ya indikasi pneumonia dalam mengklasifikasikan toraks berpneumonia. Tujuan dari penelitian ini adalah mengklasifikasikan objek yang terdeteksi sebagai penumonia dengan menggunakan Faster R-CNN, yakni teknik yang mengkombinasikan algoritme Region Proposal Network (RPN) dan Convolutional Neural Network (CNN). Penelitian ini menggunakan metode Faster R-CNN untuk mendeteksi adanya pneumonia pada pasien COVID-19 dengan menggunakan dua arsitektur CNN yang berbeda yaitu arsitektur VGG16 dan ResNet50. Dari pengujian yang yang diterapkan pada citra toraks berpneumonia, model VGG16 mempunyai mAP (mean Average Precision) tertinggi yaitu sebesar 17,7% sedangkan ResNet mempunyai nilai mAP sebesar 16,2%. Sedangkan, implementasi menggunakan 500 data x-ray paru-paru pneumonia COVID-19, arsitektur VGG16 mempunyai nilai akurasi tertinggi yaitu sebesar 85,8% sedangkan ResNet50 mempunyai nilai akurasi sebesar 84%. Dengan dikembangkannya penelitian ini diharapkan dapat membantu tenaga medis dalam mendeteksi pneumonia secara dini pada pasien yang terkena virus COVID-19 dengan tepat.
Front Matter Vol 12 No 3 Umaisaroh Umaisaroh
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.18456

Abstract

Strategy for Implementation of the Security Maturity Model in e-Government Systems in Indonesia Tashia Indah Nastiti
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15214

Abstract

The security maturity level of Indonesia's e-Government system needs to be evaluated to determine the current status of security implementations and to plan for overall system security improvements. In general, the maturity model describes how a system consisting of humans and devices performs their duties. These capabilities include effective leadership and governance, level of awareness of implementers, and capabilities of existing tools. This study aims to create a strategy in implementing the security maturity model in the e-Government system in Indonesia. The research method uses a mix method, namely qualitative and quantitative methods. The qualitative method aims to obtain the Critical Success Factors Implementation of the security maturity model, and the quantitative method is used to analyze the results of the Critical success factor validation using SPSS. The strategy for the Security maturity model is based on the PDCA (Plan-Do-Check-Act) Model.
Penentuan Prioritas Penggantian Uang Bahan Bakar Minyak Dengan Metode Naive Bayes Dyah Ayu Anandra; Rd. Nuraini Siti Fathonah
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.14900

Abstract

Dalam suatu instansi untuk pencatatan bahan bakar minyak dan penentuan prioritas supir yang akan diganti uangnya terlebih dahulu sangat krusial. Permasalahan yang dihadapi oleh PT.XYZ adalah kesulitan dalam mengklasifikasikan supir yang harus mendapat penggantian uang terlebih dahulu. Saat ini untuk pengklasifikasian yang dilakukan hanya mengandalkan pengolahan data dan pengurutan dengan Microsoft Excel. Untuk menghindari hal yang tidak diinginkan seperti Human Error ataupun redudansi maka sistem ini dibangun. Dengan metode naïve bayes membantu agar dapat menentukan prioritas supir yang akan mendapat uang ganti bahan bakar minyak (BBM). Metode pengklasifikasi Naive Bayes adalah pengklasifikasi statistik yang dapat memprediksi probabilitas keanggotaan kelas dari kelas tertentu berdasarkan perhitungan probabilitas.  Berdasarkan hasil akhir yang telah dilakukan dengan mengambil beberapa semple dari beberapa data training maka akurasi untuk menentukan prioritas supir penggantian bahan bakar minyak (BBM) adalah 100%. Maka dapat disimpulkan bahwa metode naïve bayes keakuratannya sangat tinggi untuk menentukan prioritas penggantian uang bahan bakar minyak (BBM) untuk supir.
Analisis Ketercapaian Vaksinasi Terhadap Penyebaran COVID-19 Menggunakan Machine Learning Syafrial Fachri Pane; Ferdy Berliano Putra; Gilang Romadhanu Tartila; Chandra Ahmad Rizki
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15370

Abstract

Pada akhir tahun 2019 tepatnya bulan Desember Organisasi Kesehatan Dunia (WHO) mengatakan virus baru bernama virus COVID-19 ditemukan di Wuhan, Cina dengan cepat mempengaruhi masyarakat setempat. WHO sebagai organisasi kesehatan dunia menyetujui vaksinasi COVID-19 dan tersedia untuk seluruh masyarakat di dunia guna meningkatkan kekebalan tubuh manusia supaya tidak mudah terinfeksi oleh COVID-19. Untuk mengetahui ketercapaian vaksinasi diperlukan alat yang dapat bekerja secara otomatis dari pola data tanpa pemrograman eksplisit menggunakan Machine Learning (ML). Adapun data cakupan vaksinasi yang diprediksi adalah pada provinsi Jakarta dengan sumber melalui website satgas COVID-19 dengan parameter yang akan di uji adalah sasaran, belum vaksin, dosis 1, dosis 2, total vaksin diberikan kepada masyarakat. Pemodelan ML yang diusulkan adalah AdaBoost Regressor. Kinerja regressor ditentukan berdasarkan akar rata – rata keasalahan (RMSE) dan kesalahan mutlak (MAE). Nilai Akurasi yang didapatkan adalah 98% dengan nilai korelasi 99%. Berdasarkan berita dari kementrian kesehatan Indonesia dikatakan tercapainya vaksinasi jika sudah mencapai lebih kurang 80% untuk total vaksinasi yang sudah diberikan yaitu baik vaksinasi dosis 1 dan dosis 2. Total dosis vaksinasi yang sudah disebarkan pada masyarakat di provinsi DKI Jakarta dengan Kabupaten Adm. Kep. Seribu sebagai kota/kabupaten yang tertinggi untuk memberikan vaksinasi dosis 1 dan dosis 2 yang sudah mencapai 140% total dosis yang diberikan.
Design and Implementation of Image Capture for Cluster Housing Security System Based on IoT Muhamad Arief Aryadi; Mia Galina
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15514

Abstract

The performance of IoT platforms to security systems has been implemented by some researchers in various scopes such as door, garage, and house gates. Implementing an IoT platform to the gate residential cluster is performed for entering and exiting the gate. Having an interactive system, sending an image of the visitor to the resident, and operating an automatic gate are three main features developed in this work. Using Arduino board to MATLAB and Arduino to Blynk interconnections is implemented to perform those three features. This work describes the entire process of its creation from hardware requirements, through the system's design, up to the simulation test from the running process. From the simulation test, the device can interact with the incoming visitor within 1.33 seconds on average, with the accuracy of the played voice being 100% correct, and the image sent to the 100% proper corresponding resident is done within the time taken to respond to permission granted is 1.56 seconds, while the permission denied takes 1.39 seconds.   
Sistem Pendukung Keputusan Berbasis Interval Type-2 Fuzzy Sugeno Pada Kendali pH Air Devan Cakra Mudra Wijaya; Basuki Rahmat; Eva Yulia Puspaningrum
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15453

Abstract

Kemampuan sistem fuzzy dalam menangani hal-hal yang bersifat ambiguitas tinggi, seperti perubahan ekstrem pada pH air sangat diperlukan di era modern saat ini. Sebab, tingginya ambiguitas dapat mengakibatkan alat pengendali pH tidak berfungsi dengan baik, sehingga akan berakibat fatal khususnya pada sektor pertanian. Tipe algoritma fuzzy sangat menentukan keberhasilan dalam penanganan ambiguitas. Berdasarkan permasalahan tersebut, penulis mengusulkan metode IT2FL Sugeno Orde-Nol untuk digunakan sebagai pembelajaran dalam sistem pengendalian pH air yang merupakan inovasi baru yang layak untuk diperdalam lagi kedepannya. Fuzzy logic type-2 mempunyai 4 tahapan dalam penyelesaiannya yaitu meliputi: fuzzifikasi, inferensi, reduksi tipe, dan defuzzifikasi. Fuzzy memiliki beberapa komponen penting didalamnya yang meliputi: variabel, himpunan, domain, fungsi keanggotaan, representasi kurva, dan operator. Adapun tujuan dari penelitian ini ialah untuk memberikan gambaran sederhana dalam menerapkan algoritma IT2FL Sugeno sebagai sarana pengembangan IPTEK dalam ranah teknologi pertanian. Hasil dari penelitian ini menunjukkan bahwa SPK 0 untuk aksi pH up on: 25 detik, SPK 1 untuk aksi pH up on: 10 detik, SPK 2 untuk aksi all pH off: 0 detik, SPK 3 untuk aksi pH down on: 10 detik, dan SPK 4 untuk aksi pH down on: 25 detik. Pengkategorian pH dibagi menjadi 5 macam yaitu: Asam Kuat (0-3), Asam Lemah (4-6), Netral (7), Basa Lemah (8-10), dan Basa Kuat (11-14). Berdasarkan hasil pengujian, sistem memenuhi syarat dan dinyatakan valid dengan standarisasi perhitungan pada sensor : akurasi rata-rata sebesar 91.8%; galat selisih rata-rata sebesar 0.6; dan juga galat sistematis rata-rata sebesar 8.2%.
Perbandingan Metode Deep Learning dalam Mengklasifikasi Citra Scan MRI Penyakit Otak Parkinson Waeisul Bismi; Hani Harafani
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.15068

Abstract

Penyakit Parkinson merupakan gangguan neurodegenerative yang bersifat progresif dan relative umum pada system saraf pusat yang menyebabkan kesulitan dalam bergerak. Biasanya penyakit ini sering terjadi pada individu berusia lebih dari 60 tahun dipengaruhi oleh factor genetic dan lingkungan. Deteksi dini pada penyakit Parkinson dapat mencegah gejala hingga usia tertentu sehingga meningkatkan harapan hidup. Dalam penelitian ini bertujuan untuk menggunakan gambar otak dari Magnetic Resonace Imaging (MRI) untuk mengetahui bagaimana penyakit tersebut menyebar, dengan menggunakan metode deep learning menggunakan model atau arsitektur InceptionV3, VGG16, VGG19, NasnetMobile, dan MobileNet dengan melalui proses Input data - augmentasi - preprocessing - Classification (model a b c d ) - result dan pembelajaran mesin pada kumpulan data klinis dan paraklinis untuk mendiagnosis secara akurat meggunakan dataset yang berasal dari Parkinsons Brain MRI sebanyak 2 kelas yaitu kelas normal dan Parkinson. Hasil dari penelitian menggunakan deep learning berdasarkan kelima algoritma yang digunakan tersebut diperoleh nilai akurasi terbaik dari seluruh model arsitektur adalah arsitektur MobileNet sebesar 99,75% dengan kappa score 99,30% dengan total durasi komputasi selama 2 jam satu menit
Back Matter Vol 12 No 3 Umaisaroh Umaisaroh
InComTech : Jurnal Telekomunikasi dan Komputer Vol 12, No 3 (2022)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v12i3.18457

Abstract

Back Matter Vol 12 No 3

Page 1 of 1 | Total Record : 9

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 13, No 2 (2023) Vol 13, No 1 (2023) Vol 12, No 3 (2022) Vol 12, No 2 (2022) Vol 12, No 1 (2022) Vol 11, No 3 (2021) Vol 11, No 2 (2021) Vol 11, No 1 (2021) Vol 10, No 3 (2020) Vol 10, No 2 (2020) Vol 10, No 1 (2020) Vol 9, No 3 (2019) Vol 9, No 2 (2019) Vol 9, No 1 (2019) Vol 8, No 3 (2018) Vol 8, No 2 (2018) Vol 8, No 1 (2018) Vol 7, No 3 (2016) Vol 7, No 2 (2016) Vol 7, No 1 (2016) Vol 6, No 3 (2015) Vol 6, No 2 (2015) Vol 6, No 1 (2015) Vol 5, No 3 (2014) Vol 5, No 2 (2014) Vol 5, No 1 (2014) Vol 4, No 2 (2013) Vol 4, No 1 (2013) Vol 3, No 2 (2012) Vol 3, No 1 (2012) Vol 2, No 2 (2011) Vol 2, No 1 (2011) Vol 1, No 2 (2010) Vol 1, No 1 (2009) More Issue