cover
Contact Name
Esther Irawati Setiawan
Contact Email
esther@istts.ac.id
Phone
+62315027920
Journal Mail Official
insyst@istts.ac.id
Editorial Address
Kampus Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya) Ngagel Jaya Tengah 73-77, Surabaya, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
Insyst : Journal of Intelligent System and Computation
ISSN : 26219220     EISSN : 27221962     DOI : https://doi.org/10.52985/insyst
Core Subject : Science,
The Intelligent System and Computation Journal will be published for 2 editions in a year, every April and October. The Intelligent System and Computation Journal is an open access journal where full articles in this journal can be accessed openly. Review in this journal will be conducted with a blind review system. All articles in this journal will be indexed by Google Scholar. The topics contained in this journal consist of several fields (but not limited to): Algorithms and complexity Artificial Intelligence Big Data Analytics Biomedical Instrumentation Computational logic Computer Vision and Biometric Data and Web Mining Digital Signal Processing Image Processing Information Retrieval & Information Extraction Intelligence Embedded Systems Machine Learning Mathematics and models of computation Natural Language Processing Parallel & Distributed Computing Pattern Recognition Programming languages and semantics Speech Processing Virtual Reality & Augmented Reality
Articles 7 Documents
Search results for , issue "Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation" : 7 Documents clear
Analisis Peramalan Stok Barang dengan Metode Weight Moving Average dan Double Exponential Smoothing pada Jovita Ms Glow Lamongan Nur Nafi'iyah
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.23

Abstract

Jovita MS Glow Lamongan merupakan agen yang menjual produk kecantikan dari brand MS Glow, produk yang dijual di antaranya perawatan wajah, tubuh, kosmetik dengan perkembangan penjualan dari bulan ke bulan semakin meningkat maka dibutuhkan perhitungan perkiraan jumlah barang yang akan dibeli untuk meramalkan persediaan barang bulan berikutnya. Persediaan barang yang tidak tepat dapat menimbulkan kerugian maka perlu adanya sistem peramalan. Oleh karena itu penelitian menggunakan metode Weight Moving Average dan Double Exponential Smoothing untuk menentukan nilai error yang lebih kecil. Data yang digunakan pada penelitian ini mulai bulan Januari 2015 sampai bulan Desember 2016. Metode Weight Moving Average yaitu metode yang memberikan bobot yang berbeda untuk setiap historis sedangkan Metode Double Exponential Smoothing merupakan metode yang memiliki nilai pemulusan dua kali pada waktu sebelum data sebenarnya. Hasil peramalan kedua metode ini menghasilkan nilai error Weight Moving Average yaitu 698.7180 dan Double Exponential Smoothing yaitu 1.429.1015, sehingga Weight Moving Average adalah metode yang tepat digunakan untuk meramalkan persediaan barang karena memiliki nilai error yang lebih kecil.
Multilevel Image Thresholding Memanfaatkan Firefly Algorithm, Improved Bat Algorithm, dan Symbiotic Organisms Search Pickerling Pickerling; Hendrawan Armanto; Stefanus Kurniawan Bastari
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.24

Abstract

Multilevel image thresholding adalah teknik penting dalam pemrosesan gambar yang digunakan sebagai dasar image segmentation dan teknik pemrosesan tingkat tinggi lainnya. Akan tetapi, waktu yang dibutuhkan untuk pencarian bertambah secara eksponensial setara dengan banyaknya threshold yang diinginkan. Algoritma metaheuristic dikenal sebagai metode optimal untuk memecahkan masalah perhitungan yang rumit. Seiring dengan berkembangnya algoritma metaheuristic untuk memecahkan masalah perhitungan, penelitian ini menggunakan tiga algoritma metaheuristic, yaitu Firefly Algorithm (FA), Symbiotic Organisms Search (SOS), dan Improved Bat Algorithm (IBA). Penelitian ini menganalisis solusi optimal yang didapatkan dari percobaan masing-masing algoritma. Hasil uji coba masing-masing algoritma saling dibandingkan untuk menentukan kelemahan dan kelebihan setiap algoritma berdasarkan performanya. Hasil uji coba menyatakan tiga algoritma tersebut memiliki performa berbeda dalam optimisasi multilevel image thresholding.
Game Battle of Artificial Intelligence Berbasis Android Riandika Lumaris; Hendrawan Armanto; Willy Adrianus
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.27

Abstract

Dengan berkembangnya permainan dan artificial intelligence saat ini, maka dibuat sebuah permainan Battle of Artificial Intelligence. Game ini merupakan game berbasis Android dan merupakan permainan pertarungan antar robot, tetapi robot yang dijalankan berdasarkan pada sistem artificial intelligence yang dibuat oleh pemain. Dalam konsep ini pemain dapat membuat sebuah sistem Artificial Intelligence yang digunakan pada sebuah robot, dan robot tersebut akan digunakan untuk bertarung dengan robot musuh. Permainan ini merupakan permainan strategi dimana pemain diajak untuk memikirkan cara memenangkan pertempuran, yaitu dengan memilih prioritas dan membuat sistem AI yang berbeda. Pemain dapat mengembangkan, mengubah sebuah sistem Artificial Intelligence sesuai dengan yang pemain inginkan. Tidak hanya itu, pengguna juga dapat mengembangkan sistem AI yang dibuat dengan cara melakukan pertempuran dengan pemain lain secara online. Pemain dapat mengetahui sejauh mana sistem Artificial Intelligence yang dibuat mampu bertahan. Dari 22 pengguna yang sudah melakukan uji coba permainan dan mengisi kuisioner diperoleh bahwa konsep permainan ini menarik. Berdasarkan pemahaman tutorial, pengguna dapat menambah pengetahuan pengguna mengenai bagaimana artificial intelligence bekerja. Hampir 60% pengguna menyukai interface yang dibuat di dalam game. Pengguna juga dapat menambah pengetahuan mengenai pembuatan sistem artificial intelligence pada permainan ini berdasarkan hasil pemahaman sistem artifcial intelligence. Dengan adanya multiplayer, pengguna termotivasi untuk mengembangkan sistem artificial intelligence dengan bertanding dengan pemain lain secara online. Rating rata-rata yang diperoleh dari 22 pengguna yang telah melakukan uji coba adalah 3.45.
Augmented Reality Marker Based Tracking Visualisasi Drawing 2D ke dalam Bentuk 3D dengan Metode FAST Corner Detection Nanang Wahyudi; Reddy Alexandro Harianto; Endang Setyati
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.28

Abstract

Augmented Reality (AR) memungkinkan pengguna dapat melihat objek virtual pada lingkungan nyata. Berbeda dengan Virtual Reality (VR) yang membawa pengguna masuk pada lingkungan virtual sepenuhnya tanpa melihat dunia nyata. Teknologi AR menggunakan marker sebagai target untuk memunculkan objek virtual. Penelitian ini menggunakan Drawing 2D sebagai Marker Based Tracking dalam mendeteksi target untuk memunculkan objek 3D virtual. Gambar 2D atau Drawing 2D merupakan alat untuk menyampaikan maksud dan informasi dari drafter kepada teknisi. Lulusan siswa Sekolah Menengah Kejuruan (SMK) harus mampu memahami Drawing 2D dan memvisualisasikan kedalam bentuk 3D. Kemampuan spasial dalam memvisualisasi ini yang harus dimiliki karena menyangkut masa depan setiap siswa. Pembelajaran materi proyeksi Drawing 2D memerlukan teknis khusus agar mampu di pahami oleh siswa. Aplikasi AR ini menggunakan metode Features from Accelerated Segment Test Corner Detection (FCD) dalam proses tracking. Uji coba penelitian menggunakan 50 marker. Kriteria uji coba deteksi marker dengan posisi tegak lurus, miring 30°, 45°, 60° dan 75° terhadap kamera serta dengan jarak deteksi 20 cm, 30 cm,40 cm,50 cm,dan 60 cm. Dari hasil uji coba untuk deteksi 50 marker disimpulkan bahwa marker dapat terdeteksi pada jarak 50 cm dengan posisi marker tegak lurus, kemiringan 30° maksimum pada jarak 40 cm, dan kemiringan 45° maksimum pada jarak 30 cm. Proses deteksi marker dipengaruhi oleh tingginya spesifikasi perangkat yang digunakan dalam ujicoba, pencahayaan serta besarnya marker yang digunakan.
Klasifikasi Citra Daun Memanfaatkan Angular Partition, Edge Detection dan Neural Network Elkana Lewi Santoso; Endang Setyati; Yosi Kristian
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.32

Abstract

Penelitian yang dilakukan dalam Tesis ini adalah mengklasifikasikan 1907 daun berasal dari 32 jenis tanaman yang berbeda. Foto tersebut diambil dari website flavia. Proses klasifikasi daun-daun dilakukan dengan menggunakan Neural Network dengan metode Back Propagation Neural Network (BPNN). Tahap awal adalah mengubah ukuran gambar yang didapat dari flavia 1600x1200 piksel menjadi berukuran 300x225 piksel, terdiri dari tahap membuat gambar dengan Sobel untuk mendeteksi tepi, membuat gambar dengan Sobel dan menambah kecerahan gambar, sehingga tepi dan serat daun dapat lebih jelas. Citra daun di potong-potong dengan angular partition (sudut pembagi) 5°, 11.25°, 22.5°, 30°, 45° dan 90°. Pembuatan data set dengan delapan ekstrasi fitur daun yang terdiri dari menghitung : jumlah piksel-piksel pada bagian daun, jumlah piksel pada keliling daun, jumlah sudut pada daun, jumlah piksel pada keliling dan serat daun serta menghitung jarak tiap-tiap piksel tersebut dengan center of gravity (titik berat). Pada penelitian ini dilakukan 100 macam variasi nilai layer tersembunyi untuk tiap-tiap sudut pembagi tersebut. Hasil dari penelitian ini adalah : semakin kecil sudut pembagi(5°) dan semakin besar sudut pembagi (90°) tidak menghasilkan akurasi yang semakin bagus. Hasil akurasi tertinggi yang diraih sebesar 96,7488%. Hasil tersebut didapat dengan membagi daun menjadi sudut 11,25° tiap bagian (16 bagian), Susunan BPNN yang digunakan terdiri dari 1 input, 1 output, 3 hiden layer , tiap layer tersembunyi berisi 128, 120, 112 neurons, dan 32 neurons untuk output layer.
Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor Jeremy Andre Septian; Tresna Maulana Fachrudin; Aryo Nugroho
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.36

Abstract

Persepakbolaan Indonesia belakangan ini memiliki banyak polemik mulai dari kasus pengaturan skor, pergantian pelatih timnas senior hingga pergantian ketua umum Persatuan Sepak bola Seluruh Indonesia (PSSI). Polemik ini menimbulkan banyaknya opini maupun pendapat dari pengguna twitter terhadap persepakbolaan di Indonesia sehingga diperlukan sebuah sistem untuk memudahkan dalam mengetahui sentimen pada setiap kalimat. Tujuan dari penelitian ini adalah untuk menganalisis sentimen pada setiap kalimat dari pengguna twitter terhadap persepakbolaan Indonesia apakah memiliki sentimen negatif atau positif. Data yang digunakan dalam penelitian ini didapatkan dari hasil crawling dari media sosial twitter terkait persepakbolaan di Indonesia yang diambil dari akun twitter resmi PSSI. Setelah data dikumpulkan kemudian akan dilakukan beberapa tahapan yaitu preprocessing yang terdiri dari cleansing, tokenizing, stopword removal, dan stemming. Pembobotan kata menggunakan Term Frequency-Invers Document Frequency (TF-IDF). Pada tahap validasi data dilakukan pengujian silang sebanyak 10 kali menggunakan k-fold cross validation, kemudian diklasifikasikan dengan metode K-Nearest Neighbor dapat menghasilkan akurasi yang cukup baik. Dari 2000 data tweet berbahasa indonesia didapatkan hasil akurasi optimal pada nilai k=23 sebanyak 79.9%
Klasifikasi SMS Center RSUD SMART Berdasarkan Jenis Keluhan Pelayanan Menggunakan Naive Bayes Sholeh Rachmatullah; Esther Irawati Setiawan; Reddy Alexandro Harianto
Intelligent System and Computation Vol 1 No 1 (2019): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v1i1.37

Abstract

RSUD SMART memiliki layanan SMS Center yang digunakan untuk berinteraksi dengan masyarakat dalam menerima pertanyaan, masukan, saran dan kritik maupun pengaduan. Informasi yang diterima dalam bentuk sms hanya disimpan dan tidak dikelompokkan berdasarkan unit atau layanan yang dituju sehingga pihak manajemen rumah sakit tidak bisa mengukur tingkat pelayanan di tiap unit. Penelitian ini melakukan klasifikasi terhadap data SMS dan saran responden dari masyarakat yang ditujukan kepada Direktur Rumah Sakit. Data SMS yang diklasifikasi berasal dari database aplikasi SMS Center RSUD SMART Pamekasan. Data SMS dan saran responden diklasifikasikan dalam 10 kelas yaitu Rawat Inap, Rawat jalan, Laboratorium, Farmasi, BPJS, Humas, Loket Pembayaran, Sarana dan Prasarana, Profesi dan tidak Terklasifikasi, serta melakukan scoring sms. Sebelum melakukan proses klasifikasi terlebih dahulu dilakukan pre-processing seperti penyamaan karakter, penghapusan tanda baca, mengembalikan singkatan, terjemah bahasa daerah (Bahasa Madura), penghapusan angka, penghapusan kata yang tidak penting dalam SMS, dan stemming untuk mengubah kata menjadi kata dasar. Penelitian ini menggunakan algoritma Naive Bayes dengan Two Stage (TS) Smoothing. Dalam beberapa uji coba yang telah dilakukan terhadap 2292 data dengan presentase data traning sebesar 20%, 30%, 40% dan 50% mendapatkan rata-rata akurasi sebesar 82,97% dengan nilai λ=0.2, μ=2000 dan threshold=3. Bahkan dalam salah satu uji coba klasifikasi dengan threshold statis mencapai akurasi 86,73% sedangkan akurasi terendah dengan threshold dinamis mencapai 74,28%. Pengaturan threshold statis terbukti meningkatkan akurasi klasifikasi sebesar 6,14%

Page 1 of 1 | Total Record : 7