cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rani Megasari
Contact Email
megasari@upi.edu
Phone
+628112412413
Journal Mail Official
jatikom@upi.edu
Editorial Address
Program Studi Ilmu Komputer FPMIPA Universitas Pendidikan Indonesia Jl.Setiabudhi 229 Bandung Indonesia
Location
Kota bandung,
Jawa barat
INDONESIA
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer
Published by Universitas Pendidikan Indonesia
ISSN : -     EISSN : 2615577X     DOI : https://doi.org/10.17509/jatikom
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering
JATIKOM adalah jurnal nasional yang ditujukan sebagai media publikasi hasil-hasil penelitian tentang aplikasi dan teori di rumpun bidang ilmu komputer seperti kecerdasan buatan, rekayasa perangkat lunak, basis data, sistem informasi, jaringan komputer, teknologi informasi, simulasi dan pemodelan, riset operasi, sistem digital, dan multimedia. JATIKOM diterbitkan dua kali setahun, yaitu pada bulan Maret dan September oleh Program Studi Ilmu Komputer Departemen Pendidikan Ilmu Komputer, Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam (FPMIPA), Universitas Pendidikan Indonesia (UPI). Kami mengundang peneliti, akademisi dan praktisi industri yang memiliki hasil penelitian terkait aplikasi dan teori ilmu komputer untuk berkontribusi dalam jurnal ini.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol 3, No 2 (2020)" : 7 Documents clear
Teknologi Smart Service Office (SSO) dalam Meningkatkan Kualitas Layanan Publik pada Kantor Pertanahan Kota Bandung Lina Marlina; Eka Prihatin; Mohammad Fakry Gaffar
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.25668

Abstract

Tanah sebagai lambang kekuasaan mempunyai arti mendasar bagi masyarakat Indonesia. Lembaga di Indonesia yang melaksanakan kepengurusan bidang pertanahan secara nasional, regional dan sektoral sesuai dengan ketentuan peraturan perundang-undangan disebut Bandan Pertanahan Nasional (BPN). Paradigma masyarakat tentang pengurusan kelegalan tanah di kantor pertanahan merupakan hal yang sulit dan berbelit. Masih tingginya keluhan masyarakat pada pelayanan publik yang dilakukan BPN secara umum dan kantor pertanahan (kantah) Kota Bandung khusunya berkaitan dengan proses pelayanan yang lama, banyaknya pungli, hingga ketidakramahan pegawai. Untuk menghilangkan citra kurang baik BPN, memulihkan tingkat kepercayaan masyarakat, dan mengoptimalkan pelayanan publik terbaik dalam proses pelayanan pertanahan, maka Kantor Pertanahan (Kantah) Kota Bandung membuat sistem informasi dengan nama Smart Service Office (SSO). Hasil kajian menyimpulkan bahwa pertama, Kantah Kota Bandung melakukan usaha menangani masalah pelayanan publik dengan mengelola pengaduan sebaik mungkin melalui partisipasi masyarakat sehingga dihasilkan workfolw terintegrasi. Kedua Kantor Pertanahan Kota Bandung mengimplementasikan teknologi smart service office melalui command center untuk mempermudah layanan pertanahan, sehinnga mendapatkan penghargaan sebagai role model dengan predikat sangat baik.
Model Simulasi untuk Memprediksi Kontrak Kuliah Mahasiswa Terhadap Suatu Jadwal Kuliah dengan Menggunakan Metode Agent-Base Enjun Junaeti; Panji Nugroho; Eddy Prasetyo Nugroho
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.30388

Abstract

Pemanfaatan teknologi pada bidang pendidikan merupakan hal yang sangat tepat untuk mendukung proses kemajuan pendidikan pada saat ini. Kontrak kuliah online merupakan salah satu contoh penerapan teknologi di sektor pendidikan. Jadwal perkuliahan akan menentukan efektivitas dan efisiensi kegiatan perkuliahan. Bebagai macam masalah dapat timbul setelah dilakukannya kontrak kuliah seperti jumlah kelas yang terlalu penuh atau kosong yang salah satunya dapat mengakibatkan beralihnya waktu kuliah sehingga mahasiswa diharuskan melakukan FKKB atau kontrak ulang. Hal tersebut dapat timbul pada beberapa mata kuliah terutama pada mata kuliah pilihan. Oleh karena itu tidaklah mudah dalam proses penyusunan jadwal kuliah agar meminimalisir masalah setelah kontrak kuliah. Model simulasi diharapkan dapat membantu pihak penyusun jadwal kuliah agar meminimalisir masalah yang timbul setelah kontrak kuliah tersebut. Agent-Base Modeling merupakan suatu metode simulasi untuk melakukan simulasi kontrak kuliah. Agen pada penelitian ini adalah mahasiswa yang dapat dipengaruhi atau mempengaruhi lingkungan yaitu jadwal kontrak kuliah. Dengan menggunakan 112 data transkrip mahasiswa yang dipecah menjadi 4539 data nilai dan didapatkanlah atribut dari masing-masing agen tersebut yang berupa IPK, IP Semester, semester terakhir, dan Kartu Hasil Studi (KHS), selain itu didapatkan pula kebiasaan kontrak dan ulang setiap mahasiswa. Setelah seluruh data tersebut didapatkan dilakukanlah simulasi kontrak kuliah sehingga didapat hasil berupa Kartu Rencana Studi (KRS) yang nantinya akan dijadikan jumlah peserta pada setiap mata kuliahnya. Dengan menggunakan model simulasi tersebut dapat dihasilkan sebuah KRS yang sesuai dengan atribut yang didapatkan dari setiap mahasiswanya. Model simulasi ini memiliki nilai akurasi sebesar 75% dihitung dengan menggunakan Mean Absolute Precentage Error (MAPE). 
Sistem Informasi Untuk Meningkatkan Efektivitas Penyediaan Bahan Mentah pada UMKM dengan Menggunakan Time Series Forecasting Autoregressive Model Ilham Mohammad Hanip Soetardjo
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.27843

Abstract

Usaha Mikro Kecil dan Menengah (UMKM), dianggap sebagai cara efektif dalam pengentasan kemiskinan. Salah satu permasalahan di UMKM yang bergerak di bidang makanan adalah prediksi dalam penyediaan bahan baku. Prediksi stok bahan baku yang dibutuhkan oleh UMKM dalam penjualan produknya terkadang tidak sesuai dengan kebutuhan. Akibat dari banyaknya bahan mentah yang terbuang adalah kerugian dalam sisi ekonomi. Apabila kerugian tersebut berlanjut dalam jangka panjang, akan menyebabkan UMKM tersebut tidak dapat berjalan kembali, makalah ini menggunakan analisis time series forecasting AR model untuk melakukan prediksi ilmiah untuk mencegah kerugian di masa depan. Hasil penelitian menunjukkan bahwa hasil perbandingan antara harga toko dengan harga prediksi yaitu harga toko lebih kecil dari harga prediksi, sehingga dapat disimpulkan bahwa model AR ini bagus.
Perbandingan Algoritma Deteksi Fitur SIFT, SURF dan ORB dalam Proses Deteksi Objek Pada Video CCTV vicry faturohman
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.28089

Abstract

—Pengaplikasian deteksi objek ada dalam berbagai industri, dengan kasus penggunaan mulai dari keamanan pribadi hingga produktivitas di tempat kerja. Deteksi objek diterapkan di banyak bidang computer vision, termasuk pengambilan gambar, keamanan, pengawasan pada video CCTV. Dalam penelitian ini kami coba membandingkan tiga algoritma deteksi objek scale-invariant feature transform (SIFT), Speeded up robust features (SURF) dan Oriented FAST and Rotated BRIEF (ORB) terhadap berbagai jenis objek yang ada dalam video rekaman CCTV. Hasil eksperimen membuktikan algoritma SIFT memiliki akurasi terbaik sebesar 89,67%, SURF sebesar 87,15% dan ORB sebesar 81,21%.
Implementasi Multinomial Naive Bayes Untuk Klasifikasi Ujaran Kebencian Pada Dataset Kicauan (Twitter) Bahasa Indonesia Umar Syahid Aulia Rahman; Yudi Wibisono; Eddy Prasetyo Nugroho
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.28231

Abstract

Pada paper ini kami membahas klasifikasi ujaran kebencian pada data kicauan (Twitter) dalam bahasa Indonesia dimana pada penelitian ini kami membangun dataset ujaran kebencian pada kicauan bahasa Indonesia dan melakukan pengklasifikasian dengan mengimplementasikan algoritma Multinomial Naive Bayes dengan menggunakan ekstraksi fitur term frequency – inverse document frequency (TF-IDF). Pada penelitian kami melakukan beberapa konfigurasi dalam modifikasi data training untuk mengatasi imbalanced dataset yaitu dengan menggunakan metode random oversampling dan random undersampling. Dari eksperimen tersebut kami melakukan evaluasi menggunakan confusion matrix dan didapatkan hasil implementasi metode Multinomial Naive Bayes dengan modifikasi data training menggunakan random oversampling dengan rasio data testing 10% memiliki hasil yang paling bagus dengan fmeasure sebesar 0.5307. 
Aplikasi Sistem Pendukung Keputusan Untuk Mendiagnosa Post Traumatic Syndrome Disorder Menggunakan Algoritma Fuzzy Rudi Prasetya Prasetya
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.23934

Abstract

Dalam mengidetifikasi anak Traumatic Syndrome Disorder (PTSD) secara efektif dan efisien dalam memilih pendampingan anak. Aplikasi Sistem pendukung keputusan dibuat untuk memberi alternatif lain dalam cara mendiagnosa gejala Post Traumatic Syndrome Disorder.  Untuk memenuhi dalam pendiagnosaan di perlukan data yang sesuai diberikan dengan kondisi anak maka di butuhkann metode Fuzzy mamdani dimplentasikan didalam program aplikasi sebagai dasar pengelolaan analisis informasi yang keluarannya diharapkan dapat memberikan keputusan yang memiliki tingkat keakuratan yang mendekati kebenaran.
Implementasi Metode Machine Learning Menggunakan Algoritma Evolving Artificial Neural Network Pada Kasus Prediksi Diagnosis Diabetes Resky Ramadhandi Santoso
JATIKOM: Jurnal Aplikasi dan Teori Ilmu Komputer Vol 3, No 2 (2020)
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jatikom.v3i2.27885

Abstract

Diabetes Melitus merupakan salah satu masalah dalam dunia kesehatan yang dapat menyerang siapa saja, mulai dari anak-anak, remaja, hingga orang dewasa. Oleh karena itu, diabetes merupakan salah satu penyakit tidak menular yang saat ini telah menjadi ancaman serius bagi kesehatan global. Sejak tahun 1980, jumlah penderita diabetes di seluruh dunia telah meningkat hampir dua kali lipat dari 4,7% menjadi 8,5% dari total populasi. International Diabetes Federation (IDF) bahkan memperkirakan jumlah penderita diabetes di seluruh dunia akan mencapai 700 juta orang pada tahun 2045. Sebagai respons dari kondisi tersebut, penelitian ini akan membuat prediksi diagnosis untuk penyakit diabetes menggunakan salah satu algoritma dari metode machine learning yaitu artificial neural network. Namun terdapat suatu permasalahan utama dalam algoritma ini yaitu dalam hal penentuan arsitektur yang tepat. Permasalahan ini dapat dipandang sebagai permasalahan optimasi, dimana terdapat banyak sekali kemungkinan arsitektur yang bisa terjadi. Maka dari itu, untuk melakukan pencarian terhadap arsitektur yang tepat agar dapat meningkatkan akurasi dari prediksi akan ada tahapan untuk menggunakan algoritma evolusi. Karena algoritma ini sangat cocok untuk diterapkan pada kasus optimasi. Sehingga dalam penelitian ini akan diimplementasikan algoritma Evolving Artificial Neural Network (EANN) untuk memprediksi diagnosis pasien. Dengan harapan penelitian ini dapat menghasilkan akurasi yang lebih tinggi dalam memprediksi diagnosis pasien dalam hal penyakit diabetes. Set data yang digunakan adalah Pima Indian Diabetes dari UCI Machine Learning Repository. Berdasarkan eksperimen yang telah dilakukan, model terbaik yang dihasilkan memiliki akurasi sebesar 83,55%. Artinya algoritma yang digunakan cukup berhasil dalam melakukan prediksi terhadap diagnosis penyakit diabetes.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 6, No 1 (2023) Vol 3, No 2 (2020) Vol 3, No 1 (2020) Vol 1, No 2 (2018) Vol 1, No 1 (2018)