Bit (Fakultas Teknologi Informasi Universitas Budi Luhur)
JURNAL BIT (Budi Luhur Information Technology) merupakan Jurnal yang diterbitkan oleh Fakultas Teknologi Informasi, Universitas Budi Luhur dengan jadwal publikasi dua kali dalam satu tahun (April dan September). Jurnal BIT bertujuan sebagai media pertukaran informasi, pengetahuan mengenai pengembangan dan ilmu komputer serta keterkaitan dengan disiplin ilmu lainnya. Fokus dan Ruang Lingkup pada Jurnal BIT: System Engineering, Expert System, Decision Support System, Data Mining, Artificial Intelligence (AI), Computer Network, Computer Engineering, Image Processing, Genetic Algorithm, Information System, Business Intelligence dan Knowledge Management, Database System, Big Data, Enterprise Computing, Robotic, Internet of Things, Data Science, dan Topik studi lain yang relevan
Articles
14 Documents
Search results for
, issue
"Vol 20, No 2 (2023): SEPTEMBER 2023"
:
14 Documents
clear
<![CDATA[Diagnosis Of Sheep Animal Diseases Using Certainty Factor Algorithm ]]>
<![CDATA[Deni Alpiana]]>;
<![CDATA[Prajoko Prajoko]]>;
<![CDATA[Agung Pambudi]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2506
<![CDATA[Kesehatan ternak domba merupakan faktor yang penting dalam beternak agar hasil ternak dapat diperoleh secara maksimal, untuk memperoleh kesehatan ternak tersebut diperlukan pengendalian penyakit yang tepat sedangkan pengendalian penyakit tersebut belum bisa dilakukan apabila penyakit yang diderita ternak domba belum diketahui atau terdiagnosis [1]. Berdasarkan informasi yang penulis peroleh dari lokasi penelitian, pengetahuan yang dimiliki peternak mengenai penyakit ternak domba masih kurang untuk melakukan diagnosis penyakit maupun pengendalian penyakit yang tepat serta peternak juga merasa kesulitan memperoleh bantuan dari pakar atau dokter hewan untuk mendiagnosis dan memberikan pengendalian penyakit terhadap ternak domba yang menderita penyakit dikarenakan profesi sebagai dokter hewan masih jarang dan belum tersedia di berbagai daerah terutama daerah yang jauh dari perkotaan. Oleh karena itu penelitian ini bertujuan untuk membuat sistem pakar yang dapat membantu peternak dalam melakukan diagnosis penyakit dan memberikan saran yang tepat untuk melakukan pengendalian penyakit yang terdiagnosis berdasarkan pengetahuan pakar tanpa harus terlibat secara langsung dengan pakar. Penelitian ini menggunakan pengetahuan yang diperoleh dari pakar yaitu dokter hewan yang memiliki pengalaman dalam pengendalian penyakit ternak domba, kemudian diimplementasikan kedalam sistem pakar berbasis website untuk memecahkan masalah. Algoritma Certainty Factor digunakan dalam penelitian ini untuk mengukur tingkat keyakinan dalam mendiagnosis penyakit ternak domba dengan data sebanyak 12 penyakit dan 29 gejala yang diperoleh dari pakar. Hasil pengujian sistem menggunakan white box dan black box testing menunjukan bahwa sistem pakar yang dibuat tersebut mampu memperoleh hasil perhitungan dari penyakit yang terdiagnosis dengan hasil perhitungan sebesar 87.232% terdiagnosis penyakit helminthiasis, serta berbagai fungsionalitas pada aplikasi yang dibuat telah berfungsi dengan baik.]]>
<![CDATA[Expert System for Diagnosing Pests and Diseases of Crystal Guava Plants Using the Certainty Factor Method ]]>
<![CDATA[Deri Kurniawan]]>;
<![CDATA[Winda Apriandari]]>;
<![CDATA[Agung Pambudi]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2462
<![CDATA[A guava variety called Jambu Kristal (Crystal Guava) that shows potential to be developed in Indonesia because it is suitable for soil, climate, and weather conditions in Indonesia, as well as increasing market demand. Nevertheless, crystal guava plants remain vulnerable to pests and diseases that can hinder growth and cause losses to farmers. If pest and disease attacks on crystal guava plants are not diagnosed and treated immediately, the consequences can include plant death, damage to the fruit, as well as a significant decrease in production. This research develops an expert system application that aims to assist farmers in diagnosing pests and diseases in Crystal Guava plants. In this research, the Certainty Factor Method is used as a reasoning tool to estimate the level of confidence in diagnosing pests and diseases that attack crystal guava plants. The Certainty Factor algorithm processes the uncertainty value input from the user using a single premise and conclusion to produce a diagnosis value in the form of a percentage. The expert system is supported by 8 knowledge bases that contain information related to pests and diseases in Crystal Guava plants. The built expert system shows that the system is able to diagnose Root Rot Disease with a confidence value of 97.60%.]]>
<![CDATA[The Effect of Using Multimedia Devices, Multiple Intelligence and Creativity on Student Learning Outcomes ]]>
<![CDATA[Agung Saputra]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2501
<![CDATA[In the world of education, the presence of multimedia devices among students can cause laziness in children, causing a decrease in children's interest in learning and excessive addiction to multimedia devices. On the other hand, multimedia devices can also be a positive encouragement to increase children's learning motivation. Responding to this situation, the role of educators and parents is very large. This case study was conducted at the DIGIKIDZ Multimedia Computer Learning Center. This research aims to find out how student learning outcomes at DIGIKIDZ are influenced by the use of multimedia devices, multiple intelligences, and creativity. The urgency of this research is so that DIGIKIDZ can apply learning methods that are suitable for students. This research uses a descriptive-quantitative approach. The reason for choosing this approach is because the descriptive-quantitative approach is able to analyze topics that are difficult to measure numerically. The research results show how the use of multimedia devices, multiple intelligences, and creativity influence student learning outcomes. The results of the analysis carried out using the SPSS program show that the influence of using multimedia devices, multiple intelligences and creativity together is positive and significant at 23.2%. The data resulting from this research can contribute to DIGIKIDZ and can then be used as analytical material to improve the quality of students at DIGIKIDZ.]]>
<![CDATA[Implementation Of HMAC-SHA-256 Algorithm For Product Packaging Security ]]>
<![CDATA[Bangga Angkasa]]>;
<![CDATA[Asriyanik Asriyanik]]>;
<![CDATA[Agung Pambudi]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2507
<![CDATA[Perkembangan teknologi memiliki dampak yang signifikan pada perindustrian, teknologi telah membantu perusahaan dalam meningkatkan efisiensi produksi, mengurangi biaya serta meningkatkan kualitas produk. Kemasan produk merupakan salah satu cara pemilik usaha menyiapkan informasi produk ke tangan konsumen. Namun pemalsuan label kemasan pada kemasan produk seperti perubahan tanggal kadaluwarsa atau juga peniruan Produk menjadi salah satu kendala dalam menjaga kualitas produk. Banyak upaya yang dilakukan dalam mencegah pemalsuan produk, salah satunya adalah dengan penggunaan segel hologram yang sulit dipalsukan, namun hal ini menyebabkan masalah baru dikarenakan pembuatan segel hologram membutuhkan mesin khusus dan biaya yang tidak sedikit. Untuk itu penelitian ini bertujuan untuk mengamankan produk menggunakan algoritma HMAC-SHA256 yang akan menjadi alternative segel keamanan kemasan produk. Algoritma HMAC-SHA256 yang merupakan algoritma hash yang memiliki kelebihan kecepatan komputasi dibandingkan dengan algoritma enkripsi, selain itu algoritma ini memiliki nilai Avalanche effect sebesar 68.24% yang dapat dikatakan baik karena persentase nilai lebih dari 50%. Hasil akhir dari penelitian ini adalah menciptakan sistem yang dapat membuat dan membuktikan segel keamanan kemasan untuk alternatif segel keamanan produk.]]>
<![CDATA[Classification Of the Effectiveness of Sukabumi Relocation Food Center Policy Using the Naïve Bayes Classifier Algorithm ]]>
<![CDATA[M. Elki Ismuhamdan]]>;
<![CDATA[Prajoko Prajoko]]>;
<![CDATA[Winda Apriandari]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2459
<![CDATA[The program that is being discussed in Sukabumi City is the construction and arrangement of Jalan Ir. H. Juanda or “Dago” as a hawker center for the City of Sukabumi accompanied by a policy of relocating street vendors to Jalan Dewi Sartika. The effectiveness of this policy is still questionable because it has an unfavorable impact and creates polemics for various parties and there is no research that measures the efficiency and effectiveness of implementing the street vendor relocation policy. This research was conducted to classify and measure the effectiveness of the relocation policy for hawker centers in Sukabumi City based on the classification of the opinions of the people of Sukabumi City and traders in the relocation area by creating a system that can measure the effectiveness of the policy using the Naïve Bayes Classifier algorithm with the Knowledge Discovery in Database research method. The Naïve Bayes Classifier algorithm is a data mining algorithm that applies Bayes's Theorem [1]. The final result of this research is that from 368 opinion data, 52.45% or 193 opinions are classified as "Effective" and 47.55% or 175 opinions are classified as "Ineffective" with an accuracy value of 97.02%. The policy of relocating hawker centers in Sukabumi City can be concluded as Effective, because the Effective value is greater than the Ineffective value even though it has a very thin difference in value with a very high accuracy value]]>
<![CDATA[Cover Depan Vol.20 No.2 ]]>
<![CDATA[Jurnal BIT]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2592
<![CDATA[Using Support Vector Machine for Sentiment Analysis of Truecaller and Getcontact App Reviews ]]>
<![CDATA[Salma Rita]]>;
<![CDATA[Didik Indrayana]]>;
<![CDATA[Agung Pambudi]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2493
<![CDATA[Spam calls are any calls made without the consent of the recipient and for any reason. These calls can originate from marketing, advertising, notifications, or fraud. The average Indonesian receives 14 spam calls per day. Only half of it comes from contact book numbers. According to the Google Play Store, the Truecaller and Getcontact apps offer a number of advantages as they each help identify callers and prevent spam. However, in this regard, spam call blocking software has a number of drawbacks, including identifying spam calls incorrectly and blocking useless calls. Sentiment analysis can help users choose applications that suit their needs and in this study intends to analyze reviews on the sentiments of the two applications namely Truecaller: Caller Id and Getcontact by analyzing effectiveness based on the application reviews Support Vector Machine classification algorithm which contains basic guidelines for maximizing hyperplane boundaries that separate the two datasets, are used in the classification process of this study. The results showed that the Truecaller application at 10-fold cross validation had an average accuracy of 88.20% and the Getcontact application had an average accuracy of 87.90%. Meanwhile, the sentiment aspect of the Truecaller application has an average accuracy value of 60.20%, while the Getcontact application has an average accuracy of 63.30%.]]>
<![CDATA[Application Of Rubbish Picker Application with Design Thinking Method ]]>
<![CDATA[Eric Lau]]>;
<![CDATA[Aisyah Fitri Deswalita]]>;
<![CDATA[Felix Favian]]>;
<![CDATA[Kelvin Supriyadi]]>;
<![CDATA[Hendra Winata]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2353
<![CDATA[Rubbish is a residual material from human daily needs. Rubbish has become a terrible problem throughout Indonesia. Poor waste management can lead to the destruction of waste which has great potential to cause health, environmental and social problems. Rubbish that accumulates and is not managed properly becomes a source of disease transmission and gives off a stinking and pungent odor. This study aims to design a ‘Rubbish Picker App’ aimed at housewives, food distributor companies so that they can help manage accumulated waste in a clean and timely manner. The method used for this research is the Design Thinking Method. From the results of the prototype testing that has been given, there were responses in the form of 75% of respondents agreeing that this designed application can assist in waste management. And 25% of other respondents responded neutrally. Therefore, it is hoped that this application can be further developed to become an even more perfect application.]]>
<![CDATA[Cover Belakang Vol.20 No.2 ]]>
<![CDATA[Jurnal BIT]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2400
<![CDATA[Vehicle Rental Clustering Using The K-Means Method at PT. Mardika Daya Tribuana ]]>
<![CDATA[Muhamad Ridho Tetlageni]]>;
<![CDATA[Achmad Solichin]]>
<![CDATA[ Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023 ]]>
Publisher : <![CDATA[Universitas Budi Luhur ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36080/bit.v20i2.2496
<![CDATA[Pada zaman sekarang kebutuhan perusahaan terhadap moda transportasi semakin meningkat, untuk itu perusahaan menginginkan kendaraan mobil untuk menjalankan kegiatan sehari-hari seperti kebutuhan operasional perusahaan dan lain-lain. Setiap perusahaan dalam memilih kendaraan mobil yang disewa pasti mencari kendaraan yang nyaman untuk dipakai. PT. Mardika Daya Tribuana merupakan salah satu perusahaan yang berfokus pada bidang penyewaan. Masalah yang terjadi pada PT. Mardika Daya Tribuana yaitu data penyewaan yang sangat banyak tidak bisa diolah, sehingga pihak perusahaan belum menemukan suatu metode untuk mengolah data agar menemukan pola dari data yang ada. Maka pada penelitian ini penulis bertujuan untuk mengelompokkan kendaraan-kendaraan yang dimana hasil dari pengelompokan dapat digunakan oleh pihak PT. Mardika Daya Tribuana untuk mengambil keputusan yang tepat sesuai kebutuhan yang diinginkan. Tentunya untuk mengolah data penyewaan pada PT. Mardika Daya tribuana diperlukan suatu metode yang dapat menghasilkan suatu keputusan yang tepat. Pada penelitian ini penulis menerapkan analisa data Mining dengan Teknik Clustering menggunakan algoritma K-Means. Metode K-Means Clustering digunakan dan diolah berdasarkan kebutuhan untuk mendapatkan informasi pada setiap kelompoknya. Hasil klaster pada data penyewaan sebanyak 280 baris data dan dibagi menjadi 3 (tiga) klaster dimana pada setiap klaster menghasilkan, 11 data dengan level sedang rendah dari segi peminatnya pada klaster 1, 113 data dengan level sedang dari segi peminatnya pada klaster 2, dan 156 data dengan level tinggi dari segi peminat pada klaster 3. Berdasarkan pengujian menggunakan Sum of Square Error (SSE) klaster yang direkomendasikan yaitu 3 klaster dengan nilai selisih 10.44. Sehingga klaster tersebut optimal untuk dipakai.]]>
