cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ventje Jeremias Lewi Engel
Contact Email
ventje@ithb.ac.id
Phone
-
Journal Mail Official
dina_angela@ithb.ac.id
Editorial Address
-
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Telematika
Published by Institut Teknologi Harapan Bangsa
ISSN : 18582516     EISSN : 25793772     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering
Jurnal Telematika is a scientific periodical written in Indonesian language published by Institut Teknologi Harapan Bangsa twice per year. Jurnal Telematika publishes scientific papers from researchers, academics, activist, and practicioners, which are results from scientific study and research in the field of telematics and information technology.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 17, No 2 (2022)" : 6 Documents clear
Pengenalan Masker Wajah Menggunakan VGG-16 dan Multilayer Perceptron Khairul Fadhli Margolang; Sugeng Riyadi; Rika Rosnelly; Wanayumini -
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The use of face masks during the Covid-19 pandemic can be identified based on images taken of a person's face and then classified based on the results of their feature extraction. VGG 16 is a pre-trained CNN model that can extract 4,096 features from an image and transfer learning to the multilayer perceptron algorithm in classifying someone using a face mask. The results of this study indicate that the combination of ReLu activation with adaptive moment optimization (Adam) and stochastic gradient descent (SGD), the combination of ReLu and Adam, produces the best classification performance with accuracy, precision, and recall values of 98.1%.  Penggunaan masker wajah pada masa pandemi Covid-19 dapat diidentifikasi berdasarkan citra yang diambil dari wajah seseorang kemudian diklasifikasi berdasarkan hasil ekstraksi fiturnya. VGG 16 merupakan sebuah pre-trained CNN model yang dapat mengekstrak 4.096 fitur dari sebuah citra dan melakukan transfer learning kepada algoritme multilayer perceptron dalam mengklasifikasikan seseorang menggunakan masker wajah atau tidak. Hasil dari penelitian ini menunjukkan bahwa kombinasi aktivasi ReLu dengan optimasi adaptive moment (Adam) dan stochastic gradient descent (SGD), kombinasi ReLu dan Adam, menghasilkan performa klasifikasi terbaik dengan nilai accuracy, precision, dan recall sebesar 98,1%.
Klasifikasi Jenis Kelengkeng Berdasarkan Daun Menggunakan Convolutional Neural Network Multilayer Perceptron Nur Nafiiyah; Puguh Rouf Prasetyo
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Research related to the introduction of longan types based on leaves requires increased feature extraction of longan leaves, whether based on features, shape, or texture. Existing research uses more feature extraction processes using color, texture, and shape, so this study proposes the introduction of longan types based on leaf images of all image pixels using the convolution neural network method. This research aims to identify longan species using feature extraction of all leaf image intensities. The image used to identify the type of longan is a color image measuring 128x128. The types of longan studied were itoh, diamond river, and local with a total of 150 training data images and 30 image test data. Longan-type classification results using multilayer perceptron are good. The resulting multilayer perceptron accuracy value is 96.7%. Penelitian terkait pengenalan jenis kelengkeng berdasarkan daun membutuhkan peningkatan ekstraksi fitur daun kelengkeng, baik berdasarkan fitur, bentuk, atau tekstur. Penelitian yang sudah ada lebih banyak proses ekstraksi fitur menggunakan warna, tekstur, dan bentuk sehingga penelitian ini mengusulkan pengenalan jenis kelengkeng berdasarkan citra daun dari seluruh piksel citra dengan metode convolution neural network. Tujuan penelitian ini mengenali jenis kelengkeng menggunakan ekstraksi fitur seluruh intensitas citra daun. Citra yang digunakan untuk mengenali jenis kelengkeng adalah citra warna berukuran 128x128. Jenis kelengkeng yang diteliti adalah itoh, diamond river, dan lokal dengan total seluruh data latih 150 citra dan data tes 30 citra. Hasil klasifikasi jenis kelengkeng dengan menggunakan multilayer perceptron adalah baik. Nilai akurasi multilayer perceptron yang dihasilkan adalah sebesar 96,7%.
Algoritma K-Nearest Neighbors (KNN) untuk Klasifikasi Citra Buah Pisang dengan Ekstraksi Ciri Gray Level Co-Occurrence Rifqi Syahrul Ilhamy; Ucta Pradema Sanjaya
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Banana is one type of fruit that is rich in benefits. Bananas have a soft flesh texture. There are various sizes of bananas based on the type. The color and shape of bananas differentiate one type of banana from another. This research recognizes and classifies bananas based on their skin color by using digital image processing. The gray level co-occurrence matrix (GLCM) feature is an extraction technique commonly used to find features in an image. The classification technique in this study uses the k-nearest neighbors (KNN) algorithm. This study obtained the best accuracy of 76.6% at an angle of 0 degrees with a value of k = 1, 90% accuracy at an angle of 45 degrees with a value of k = 1, 86% accuracy at an angle of 90 degrees with a value of k = 1, and 73% accuracy at an angle of 135 degrees with a value of k = 5, 7, 9.Pisang merupakan salah satu jenis buah yang kaya manfaat. Pisang memiliki tekstur daging yang lembut. Ada berbagai macam ukuran pisang berdasarkan jenisnya. Warna dan bentuk pisang menjadi pembeda jenis pisang yang satu dengan yang lainnya. Dengan menggunakan pengolahan citra digital, penelitian ini melakukan pengenalan dan klasifikasi pisang berdasarkan warna kulitnya. Fitur gray level co-occurrence matrix(GLCM) merupakan teknik ekstraksi yang biasa digunakan untuk mencari ciri dari sebuah gambar. Teknik klasifikasi dalam penelitian ini mengunakan algoritma k-nearest neighbors (K-NN). Penelitian ini memperoleh akurasi terbaik sebesar 76,6% pada sudut 0 derajat dengan nilai k = 1, akurasi 90% pada sudut 45 derajat dengan nilai k = 1, akurasi 86% pada sudut 90 derajat dengan nilai k=1, dan akurasi 73% pada sudut 135 derajat dengan nilai k = 5, 7, 9.  
Sistem Informasi Geografis Pemetaan Permainan Tradisional di Indonesia dengan Rapid Application Development Berbasis Website Raissa Amini; Atje Setiawan Abdullah; Aditya Pradana
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia is one of the largest archipelagic countries in the world with a very diverse culture. One of them is a traditional game. Along with the times, traditional games began to be abandoned by society. Many traditional games in each region are still unknown to the public because the information is not managed and systematic. Therefore, it is necessary to develop a web-based geographic information system for mapping traditional games in Indonesia. Web development in this study uses the Rapid Application Development (RAD) method which aims to shorten the time with 4 phases (Requirements Planning, User Design, Construction and Cutover). The end result of this research is a website-based system with user and admin features. The main user feature is an interactive map of the spread of traditional games, while the admin feature is data management for traditional games, provinces and admin. The results of system testing with black-box testing are as expected. Testing with UEQ obtains a scale value above 2 which means positive and an excellent benchmark. From these results, it's known that the development of a web-based geographic information system mapping traditional games in Indonesia is feasible to use. Indonesia merupakan salah satu negara kepulauan terbesar di dunia dengan kebudayaan yang sangat beragam. Salah satunya adalah permainan tradisional. Seiring dengan perkembangan zaman, permainan tradisional mulai ditinggalkan masyarakat. Permainan tradisional di tiap daerah masih banyak yang belum diketahui masyarakat karena informasinya belum terkelola dan sistematis. Oleh karena itu, perlu dibangun suatu sistem informasi geografis berbasis website untuk pemetaan permainan tradisional di Indonesia. Pengembangan web dalam penelitian ini menggunakan metode Rapid Application Development (RAD) yang bertujuan untuk mempersingkat waktu dengan 4 fase (Requirements Planning, User Design, Construction dan Cutover). Hasil akhir dari penelitian ini adalah sebuah sistem berbasis website dengan fitur pengguna dan admin. Fitur utama pengguna adalah peta interaktif persebaran permainan tradisional, sedangkan fitur admin adalah pengelolaan data permainan tradisional, provinsi, dan admin. Hasil pengujian sistem dengan black-box testing sesuai dengan yang diharapkan. Pengujian dengan UEQ memperoleh nilai skala di atas 2 yang artinya positif dan benchmark yang sangat baik (excellent). Dari hasil tersebut diketahui bahwa pengembangan sistem informasi geografis pemetaan permainan tradisional di Indonesia berbasis web layak untuk digunakan.
Matriks Evaluasi Risiko Penerapan IS/IT Menggunakan Standar ISO 31000:2018 (Studi Kasus: PT XYZ) Ivana Celesta; Maria Bellaniar Ismiati
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

PT XYZ is one of the largest trading companies in Palembang city. PT XYZ utilizes IS/IT to support its business processes. PT XYZ uses computers, LANs, servers, supported applications, and applications made by the IT team. IS/IT implementation at PT XYZ was not always smooth. PT XYZ had experienced problems, such as Wi-Fi problems, applications problems, not updated applications, and other human errors. PT XYZ has concerns that those problems will risk burdening the business processes in the company. The purpose of this research is to analyzee the risk of implementing IS/IT using the ISO 31000:2018 standard. All steps in IS/IT implementation risk management with ISO 31000:2018 standards have been  implemented well at PT XYZ. From the results of this study, there are 21 possible risks with the risk management option plan chosen by the company, 10% risk is acceptable, 57% risk can be mitigated, 29% risk must be avoided, and 5% risk will be shared for handling the risk. Handling this risk is expected to assist the company in dealing with IS/IT implementation risks that can occur at any time. PT XYZ ialah salah satu perusahaan dagang terbesar di kota Palembang. PT XYZ memanfaatkan IS/IT untuk menunjang proses bisnisnya. PT XYZ menggunakan komputer, LAN, server, aplikasi pendukung, dan aplikasi buatan tim IT. Penerapan IS/IT di PT XYZ tidak selalu lancer. PT XYZ pernah mengalami kendala, seperti Wifi bermasalah, aplikasi bermasalah dan tidak ter-update, dan human error lainnya. PT XYZ memliki kekuatiran kendala yang sudah pernah terjadi tersebut akan berisiko membebani proses bisnis di perusahaannya. Tujuan penelitian ini adalah untuk menganalisis risiko penerapan IS/IT menggunakan standar ISO 31000:2018. Semua Langkah pada manajemen risiko penerapan IS/IT dengan standar ISO 31000:2018 telah diterapkan dengan baik di PT XYZ. Dari hasil penelitian ini terdapat 21 kemungkinan risiko dengan rencana opsi penanganan risiko yang dipilih perusahaan, yaitu 10% risiko dapat diterima, 57% risiko dapat dimitigasi, 29% risiko harus dihindari, dan 5% risiko akan dibagi untuk penanganan risikonya. Penanganan risiko ini diharapkan dapat membantu perusahaan dalam menghadapi risiko penerapan IS/IT yang dapat terjadi kapan saja. 
Knowledge Discovery in Database dengan Multivariate Linear Regression pada Sistem Pertanian Hidroponik Berbasis Internet of Things Yoyok Gamaliel; Tunggul A. Nugroho; Lewinna C. Aguskin
Jurnal Telematika Vol 17, No 2 (2022)
Publisher : Institut Teknologi Harapan Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem hidroponik bergantung pada suhu,  kelembapan, intensitas cahaya, nutrisi, dan pH air sebagai variabel penting dalam pertumbuhan tanaman. Pengembangan sistem pemantauan dan pengendalian variabel tersebut sudah banyak dilakukan, namun masih terbatas pada sistem pengendalian manual. Kalaupun sudah otomatis, masih menggunakan sistem terbuka dengan menggunakan nilai ambang sebagai pemicu respon sistem. Sistem tersebut tidak dapat melakukan koreksi pada keadaan yang diperlukan selain menunggu sampai nilai ambangnya tercapai. Di sisi lain, sistem adaptif mampu melakukan koreksi berdasarkan umpan balik keluaran sistem sehingga sistem menjadi lebih responsif terhadap perubahan yang terjadi. Penelitian ini mengusulkan untuk membangun sebuah model umpan balik dengan mencari hubungan kepekatan nutrisi sebagai variabel terikat dengan variabel pH, intensitas cahaya, kelembapan, dan suhu sebagai variabel bebas dengan metode Knowledge Discovery in Database dan analisis regresi linear berganda. Penelitian ini menghasilkan sebuah model matematis berupa persamaan linear multivariabel yang menyatakan hubungan antara variabel terikat dan variabel bebasnya menggunakan IBM Statistical Package for Social Sciences. Hasil akhir menunjukkan regresi linear berganda dengan F(116, 119) = 8,390, p-value 0,000 yang lebih kecil dari 0,05  di mana variabel bebas dapat memprediksisi secara signifikan dari variabel terikatnya dengan tingkat kesalahan yang ditunjukkan oleh tingkat kesalahan 5,6% dengan variabel Air_Temp memberikan kontribusi paling signifikan terhadap variabel terikat TDS dengan p-value 0,015. Hydroponic system depends on some important variables for growing the plants such as temperature, humidity, light intensity, and water pH. There have been many developments in monitoring systems and variable control but they are limited to manual controlling systems. The existing automatic system still utilizes an open system with a threshold as the response trigger system. However, the system could not make corrections when needed until the threshold is achieved. On the other hand, the adaptive system can make corrections based on the feedback to be more responsive to ongoing changes. This research aims at designing the feedback model by discovering the correlation of nutrient concentration as the dependent variable with pH variable, light intensity, humidity, and temperature as the independent variable or predictor using Knowledge Discovery in Database method and multivariate linear regression analysis. The outcome of this result is the mathematical model of the multivariable linear equation describing the relations between the dependent variable and independent variables using the software IBM Statistical Package for Social Sciences. The final finding indicates that the ratio of F(116, 119)=8.390, p-value 0,000 which is less than 0,05 proved that the independent variables are able to predict significantly linearly dependent variables with a standard error of 5.6%. The Air_Temp contributes the most significant independent variable to the dependent variable TDS with a p-value of 0.015.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 18, No 1 (2023) Vol 17, No 2 (2022) Vol 17, No 1 (2022) Vol 16, No 2 (2021) Vol 16, No 1 (2021) Vol 15, No 2 (2020) Vol 15, No 1 (2020) Vol 14, No 2 (2019) Vol 14, No 1 (2019) Vol 13, No 2 (2018) Vol 13, No 1 (2018) 2018: Industrial Engineering Seminar and Call for Paper (IESC) 2018 Vol 12, No 2 (2017) Vol 12, No 1 (2017) Vol 11, No 2 (2016) Vol 11, No 1 (2016) Vol 5, No 1 (2009) Vol 10, No 2 (2015) Vol 10, No 1 (2015) Vol 8, No 1 (2013) Vol 7, No 2 (2011) Vol 7, No 1 (2011) Vol 6, No 1 (2010) Vol 9, No 2 (2014) Vol 9, No 1 (2014) Vol 8, No 2 (2013) More Issue