cover
Contact Name
Arie Vatresia
Contact Email
arie.vatresia@unib.ac.id
Phone
+6282179370950
Journal Mail Official
arie.vatresia@unib.ac.id
Editorial Address
Jalan W.R. Supratman gang Cipta Baru no. 12 RT/RW 19/01 Talang Kering
Location
Kota bengkulu,
Bengkulu
INDONESIA
Jurnal Pseudocode
Published by Universitas Bengkulu
ISSN : 23555920     EISSN : 26551845     DOI : https://doi.org/10.33369
Pseudocodeis a scientific journal in the information science family that contains the results of informatics research, scientific literature on informatics, and reviews of the development of theories, methods, and application of informatics engineering science. Pseudocode is published by the Informatics Study Program, Faculty of Engineering, University of Bengkulu. Editors invite researchers, practitioners, and students to submit article manuscripts in the field of informatics engineering. Pseudocode is published 2 (two) times a year in February and September with p-ISSN 2355-5920 e-ISSN 2655-1845. Jurnal Pseudocode is Accredited by the Ministry for Research, Technology and Higher Education (RISTEKDIKTI) in SINTA 4 No. 36/E/KPT/2019 since 13 December 2019.
Articles 157 Documents
APLIKASI TES BUTA WARNA DENGAN METODE ISHIHARA PADA SMARTPHONE ANDROID Randy Viyata Dhika; Ernawati Ernawati; Desi Andreswari
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (910.827 KB) | DOI: 10.33369/pseudocode.1.1.51-59

Abstract

Penelitian ini bertujuan untuk membangun suatu aplikasi tes buta warna dengan metode Ishihara pada smartphone android yang dapat digunakan oleh pengguna untuk pemeriksaan sejak dini. Penentuan jenis buta warna dilakukan dengan menghitung jumlah nilai benar yang mengimplementasikan metode Ishihara. Metode Ishihara masih menjadi salah satu pilihan utama hampir di semua negara untuk mengidentifikasi seseorang yang mengalami buta warna. Aplikasi ini dibangun dengan menggunakan bahasa pemrograman Java for Android dengan IDE Eclipse 3.5. Metode pengembangan sistem yang digunakan untuk membangun aplikasi ini adalah model sekuensial linier dan Unified Modeling Langauge (UML) sebagai perancangan sistem. Pengujian Stratified Sampling dilakukan pada user acak baik buta warna maupun berpenglihatan normal. Hasil akhir dari penelitian ini adalah terciptanya sebuah aplikasi tes buta warna yang sesuai dengan metode Ishihara yang dapat digunakan pada smartphone android dengan tingkat keberhasilan pengenalan 100%.Kata Kunci: Android Environment, Buta Warna, Ishihara, Java, UML.
TEKNIK PERANGKINGAN META-SEARCH ENGINE Diyah Puspitaningrum
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (224.272 KB) | DOI: 10.33369/pseudocode.1.1.15-23

Abstract

Meta-search engine mengorganisasikan penyatuan hasil dari berbagai search engine dengan tujuan untuk meningkatkan presisi hasil pencarian dokumen web. Pada survei teknik perangkingan meta-search engine ini akan didiskusikan isu-isu pra-pemrosesan, rangking, dan berbagai teknik penggabungan hasil pencarian dari search engine yang berbeda-beda (multi-kombinasi). Isu-isu implementasi penggabungan 2 search engine dan 3 search engine juga menjadi sorotan. Pada makalah ini juga dibahas arahan penelitian di masa yang akan datang.Kata kunci: Meta-search engine, Merging multiple web document, Web document ranking, IR.
PENGCLUSTERAN DATA CURAH HUJAN KOTA BENGKULU MENGGUNAKAN FUZZY CLUSTERING ALGORITMA MIXTURE Herlina Latipa Sari; Dimas Aulia Trianggana
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (343.081 KB) | DOI: 10.33369/pseudocode.1.1.60-71

Abstract

Penclusteran Data curah hujan Kota Bengkulu dengan Fuzzy Clustering menggunakan Algoritma Mixture dan mengevaluasi performasi Algoritma Mixture dalam menghasilkan tingkat keakuratan lokasi prakiraan curah hujan bulanan di Stasiun Klimatologi Pulau Baai Bengkulu. Data curah hujan Kota Bengkulu di analisis menggunakan algoritma Mixture dimana pengujian dilakukan menggunakan software matlab dan software SOCR. Dalam mengelompokkan data curah hujan Kota Bengkulu, Algoritma Gaussian Mixture Modelling berdasarkan dengan distribusi statistik yang dapat mengetahui overlapping data dalam sebuah cluster. Dari hasil pengujian Algoritma Mixtures untuk mendapatkan alternatif yang terbaik, dapat digunakan untuk memecahkan masalah dalam mengelompokkan data yang memiliki kesamaan jumlah data curah hujan yang sama atau mendekati, sehingga dapat digunakan sebagai pendukung pengambilan keputusan dalam mengelompokkan data.Mixture Modelling dalam mengelompokkan data curah hujan Kota Bengkulu mempunyai kemampuan untuk mendeteksi keberadaan suatu cluster yang overlap dengan cluster yang lain.Kata Kunci: Fuzzy Clustering, Algoritma Mixture. 
DETEKSI PEMALSUAN COPY-MOVE DUPLICATED REGION PADA CITRA DIGITAL DENGAN KOMPUTASI NUMERIK Endina Putri Purwandari
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (617.311 KB) | DOI: 10.33369/pseudocode.1.1.24-31

Abstract

Identifikasi keaslian dan integritas citra digital menjadi penting dalam forensik digital. Makalah ini mengusulkan metode pasif yang efektif untuk mendeteksi pemalsuan copy-move pada duplicated region. Implementasi metode ini dilakukan pertama-tama dengan citra input diproses dengan transformasi wavelet, lalu mengekstraksi fitur SVD pada blok citra yang telah mengalami perubahan geometri, dan beberapa gangguan. Selanjutnya melakukan pemeriksaan kesamaan karakteristik fitur antara bagian yang disalin dan ditempelkan, setiap fitur SVD menjadi query dalam pencocokan blok citra dengan tetangga terdekat. Ekperimen menunjukkan metode ini efisien dalam komputasi, robust, dan sensitif terhadap region citra berbeda yang telah mengalami beberapa perubahan pemprosesan citra.Kata Kunci: Copy-Move, Wilayah Terduplikasi, Pemalsuan Citra, Dekomposisi Nilai Singular, Pencocokan Blok.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (158.564 KB)

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
APLIKASI FUZZY DATABASE MODEL TAHANI DALAM MEMBERIKAN REKOMENDASI PEMBELIAN RUMAH BERBASIS WEB Rusdi Efendi; Ernawati Ernawati; Rahmi Hidayati
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (835.003 KB) | DOI: 10.33369/pseudocode.1.1.32-43

Abstract

Fuzzy database model Tahani merupakan salah satu metode yang dapat digunakan pada proses pengambilan keputusan. Dalam penelitian ini, aplikasi fuzzy database model Tahani dibangun untuk membantu pihak developer perumahan dalam memberikan rekomendasi rumah kepada konsumen, sehingga konsumen dapat memilih rumah sesuai dengan kriteria yang dipilihnya dengan lebih cepat dan mudah. Pada aplikasi yang telah dibangun, hasil rekomendasi rumah didasarkan pada nilai derajat keanggotaan dan fire strength (nilai kebenaran) dari proses perhitungan di dalam aplikasi tersebut. Hasil dari aplikasi ini yaitu berupa lima nilai terbaik hasil rekomendasi rumah dan diurutkan berdasarkan nilai tertinggi sampai dengan terendah. Untuk pengujian terhadap aplikasi yang dibangun, dilakukan dengan dua cara yaitu uji kelayakan sistem dan perbandingan hasil perhitungan secara manual terhadap perhitungan dengan menggunakan aplikasi. Dari kedua pengujian tersebut diperoleh hasil bahwa aplikasi ini telah layak digunakan oleh PT. Cipta Graha Sentosa Bengkulu dan hasil pengujian sistem pada aplikasi sama dengan perhitungan secara manual.Kata kunci: Fuzzy Database, Tahani, Waterfall, Fire Strength, Rekomendasi Rumah.
PENINGKATAN AKURASI ALGORITMA BACKPROPAGATION DENGAN SELEKSI FITUR PARTICLE SWARM OPTIMIZATION DALAM PREDIKSI PELANGGAN TELEKOMUNIKASI YANG HILANG Muzakkir, Irvan; Syukur, Abdul; Dewi, Ika Novita
PSEUDOCODE Vol 1, No 1 (2014): Jurnal Pseudocode
Publisher : Universitas Bengkulu

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

Abstract

Telekomunikasi adalah salah satu industri, di mana pelanggan memerlukan perhatian khusus, oleh karena itu, manajemen di sebuah perusahaan telekomunikasi ingin kehilangan pelanggan model prediksi untuk efisien memprediksi berpotensi kehilangan pelanggan. Jaringan syaraf adalah metode yang sering digunakan untuk memprediksi. Teknik yang paling populer dalam metode adalah saraf algoritma jaringan backpropagation. Namun algoritma backpropagation memiliki kelemahan pada kebutuhan untuk data pelatihan besar dan optimasi yang digunakan kurang efisien. Particle Swarm Optimization (PSO) adalah suatu algoritma optimasi yang dapat memecahkan yang efektif masalah pada algoritma neural network umumnya menggunakan algoritma backpropagation. Pengujian model dengan berbasis menggunakan Backpropagation Particle Swarm Optimization menggunakan data pelanggan hilang pada telekomunikasi. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma untuk mendapatkan tes menggunakan nilai yang diperoleh akurasi Backpropagation adalah 85.48% dan nilai AUC adalah 0.531. Sementara pengujian dengan menggunakan Backpropagation berbasis Particle Swarm Optimization dipilih atribut dan penyesuaian nilai parameter yang diperoleh 86.05% akurasi dan nilai AUC adalah 0,637. Dengan demikian dapat disimpulkan bahwa data pelanggan uji hilang dalam telekomunikasi menggunakan aplikasi Particle Swarm Optimization Backpropagation dan dalam pemilihan atribut diperoleh bahwa metode ini lebih akurat dalam prediksi pelanggan hilang telekomunikasi dibandingkan dengan Backpropagation, ditandai dengan peningkatan akurasi 00:57% dan nilai-nilai AUC dari 0.106, dengan nilai yang dimasukkan ke dalam akurasi klasifikasi cukup.Kata Kunci: Telekomunikasi, Neural Network, Backpropagation, Particle Swarm Optimization.
IMPLEMENTASI FRAMEWORK INTEROPERABILITAS DALAM INTEGRASI DATA REKAM MEDIS Amin, M Miftakul
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (158.549 KB) | DOI: 10.33369/pseudocode.1.1.44-50

Abstract

Rekam medis merupakan data yang bersifat pribadi dan menjadi salah satu informasi penting yang wajib menyertai seseorang kemanapun dia pergi yang sering disebut sebagai pencatatan data riwayat pasien. Masalah yang sering muncul adalah tidak adanya keterkaitan antara masing-masing rumah sakit dalam ketersediaan informasi rekam medis. Penelitian ini mencoba menerapkan framework interoperabiltas dengan menggunakan web services untuk melakukan proses integrasi data rekam medis. Penelitian ini menunjukkan bahwa tersedianya model integrasi data rekam medis menggunakan web services memberikan kemudahan bagi pasien untuk memperoleh data rekam medis pasien tanpa harus datang langsung ke rumah sakit. Hal ini ditunjukkan dengan menggunakan WAP sehingga layanan web services dapat diakses dengan menggunakan ponsel.Kata Kunci: Framework, Interoperabilitas, Rekam Medis, WAP, Web Services.
ALGORITMA KLASIFIKASI DATA MINING NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK DETEKSI PENYAKIT JANTUNG Nur Aeni Widiastuti; Stefanus Santosa; Catur Supriyanto
Jurnal Pseudocode Vol 1, No 1 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (148.155 KB) | DOI: 10.33369/pseudocode.1.1.11-14

Abstract

Data mining sering disebut Knowledge Discovery in Database (KDD). Data mining biasanya digunakan untuk memperbaiki pengambilan keputusan di masa yang akan datang berdasarkan informasi yang diperoleh dari masa lalu. Misalnya untuk prediksi, estimasi, assosiasi, clustering, dan deskripsi. Sekumpulan data yang ada di laboratorium klinik belum difungsikan secara efektif dan hanya di fungsikan sebagai arsip untuk riwayat penyakit pasien. Jantung merupakan pembunuh nomor satu di dunia. Kurangnya aliran darah dan oksigen ke jantung bisa menyebabkan penyakit jantung. Pada penelitian ini akan membandingkan algoritma klasifikasi data mining Naive Bayes Berbasis PSO untuk deteksi penyakit jantung. Pengukuran dengan Naives Bayes menghasilkan akurasi 82.14%, sementara dengan Naives Bayes Berbasis Particle Swarm Optimization akurasi meningkat menjadi 92.86%. Tingkat akurasi dibandingkan dengan hasil laboratorium.Kata Kunci: Data Mining, Penyakit Jantung, Naive Bayes, Particle Swarm Optimization. 
Rancang Bangun Aplikasi Informasi Nama Stasiun Kereta Jurusan Jakarta – Cirebon Berbasis Smartphone Android Rohadi Rohadi; Husni Teja Sukmana; Rayi Pradono Iswara
Jurnal Pseudocode Vol 1, No 2 (2014)
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4878.967 KB) | DOI: 10.33369/pseudocode.1.2.97-104

Abstract

Diantara banyaknya jasa pelayanan masyarakat, adalah kendaraan umum seperti Kereta Api (KA) dan Kereta Rel Listrik (KRL) yang banyak sekali digunakan sebagai kendaraan alternatif dalam melakukan perjalanan, karena harga perjalanan yang terjangkau juga waktu perjalanan yang relatif stabil karena memiliki jalur khusus, meski keterlambatan waktu kadang terjadi tapi tingkatnya lebih rendah dibanding dengan angkutan umum seperti bus, mikrolet, atau angkot. Sarana yang ditawarkan oleh kereta Api (KA) dan Kereta Rel Listrik (KRL) adalah waktu yang stabil dan harga yang terjangkau karena terdapat kelas-kelas untuk jenis KA dan KRL yaitu kelas Ekonomi, Bisnis, Eksekutif. Dikarenakan jalur khusus KA dan KRL ini lebih banyak mengambil jalur yang jauh dari kawasan penduduk (pertimbangan akibat resiko kecelakaan) atau jalan umum yang besar ditambah dengan kecepatan KA atau KRL yang konstan mengakibatkan penumpang sulit mencari informasi tentang daerah atau lokasi yang tengah dilewati dan yang akan dituju. Sehingga penumpang kebingungan dimana harus turun, jika adapun informasi di stasiun tidak memadai dan kurang layak untuk sebuah kenyamanan informasi. Ada beberapa aplikasi yang sudah ada seperti Google Map. Aplikasi tersebut memang dapat melihat lokasi peta secara real time, akan tetapi aplikasi ini tidak dapat memberikan notifikasi menggunakan suara. Disini kami akan menggabungkan notifikasi agar penumpang dapat mengetahui dimana posisi kereta walaupun device dalam keadaan stand by, dengan memanfaatkan teknologi GPS sebagai penentu koordinat dari setiap stasiun singgah yang telah di tentukan.Kata kunci: Transportasi, Kereta Api (KA), Kereta Rel Listrik (KRL), Smartphone, Android, Trayek, Google Map, GPS

Page 1 of 16 | Total Record : 157