cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Oris Krianto Sulaiman
Contact Email
oris.ks@ft.uisu.ac.id
Phone
-
Journal Mail Official
oris.ks@ft.uisu.ac.id
Editorial Address
-
Location
Kota medan,
Sumatera utara
INDONESIA
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan
Published by Universitas Islam Sumatera Utara
ISSN : 25407597     EISSN : 25407600     DOI : -
Core Subject : Science,
Computer Science & IT
Merupakan jurnal yang dikelola oleh program studi teknik informatika Universitas Islam Sumatera Utara (UISU), jurnal ini membahas ilmu dibidang Informatika dan Teknologi jaringan, sebagai wadah untuk menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan ilmu informatika. InfoTekjar terbit 2 kali dalam setahun yaitu pada bulan maret dan september, terbitan pertama bulan september 2016. Artikel yang masuk akan diterima oleh editor untuk kemudian diteruskan ke editor bagian dan diteruskan lagi ke reviewer untuk di review artikel nya. Waktu review maksimal dilakukan selama 4 minggu.
Arjuna Subject : -
Articles 14 Documents
 1   2 
Search results for , issue "Vol 2, No 1 (2017): InfoTekJar September" : 14 Documents clear
PENERAPAN DATAMINING PADA POPULASI DAGING AYAM RAS PEDAGING DI INDONESIA BERDASARKAN PROVINSI MENGGUNAKAN K-MEANS CLUSTERING Mhd Gading Sadewo; Agus Perdana Windarto; Dedy Hartama
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 1 (2017): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i1.164

Abstract

Ayam bukanlah makanan yang asing bagi penduduk Indonesia. Makanan tersebut sangat mudah dijumpai dalam kehidupan masyarakat sehari-hari. Namun tingkat konsumsi daging ayam di Indonesia masih tergolong rendah dibandingkan dengan Negara tetangga. Penelitian ini membahas tentang Penerapan Datamining Pada Populasi Daging Ayam Ras Pedaging di Indonesia Berdasarkan Provinsi Menggunakan K-Means Clustering. Sumber data penelitian ini dikumpulkan berdasarkan dokumen-dokumen keterangan populasi daging ayam yang dihasilkan oleh Badan Pusat Statistik Nasional. Data yang digunakan dalam penelitian ini adalah data dari tahun 2009-2016 yang terdiri dari 34 provinsi. Variable yang digunakan (1) jumlah populasi dari tahun 2009-2016. Data akan diolah dengan melakukan clushtering dalam 3 clushter yaitu clusther tingkat populasi tinggi, clusther tingkat populasi sedang dan rendah. Centroid data untuk cluster tingkat populasi tinggi 4711403141, Centroid data untuk cluster tingkat populasi sedang 304240647, dan Centroid data untuk cluster tingkat populasi rendah 554200. Sehingga diperoleh penilaian berdasarkan indeks populasi daging ayam dengan 1 provinsi tingkat populasi tinggi yaitu Jawa Barat, 6 provinsi tingkat populasi sedang yaitu Sumatera Utara, Jawa Tengah, Jawa Timur, Banten, Kalimantan Selatan dan Kalimantan Timur, dan 27 provinsi lainnya termasuk tingkat populasi rendah. Hal ini dapat menjadi masukan kepada pemerintah, provinsi yang menjadi perhatian lebih pada populasi daging ayam berdasarkan cluster yang telah dilakukan
ANALISIS PENGGUNAAN PARALLEL PROCESSING MULTITHREADING PADA RESILIENT BACKPROPAGATION Kelvin Onggrono; Tulus Tulus; Erna Budhiarti Nababan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 1 (2017): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i1.146

Abstract

Proses pembelajaran neural network merupakan hal yang penting, bertujuan untuk mengenali lingkungan. Proses pembelajaran neural network membutuhkan waktu untuk dapat mengenali lingkungan. Terutama pada salah satu algoritma neural network yaitu resilient backpropagation. Proses untuk mempercepat pembelajaran resilient backpropagation pada penelitian ini adalah menggunakan teknik parallel processing. Teknik parallel processing yang digunakan adalah multithreading. Teknik parallel ini diterapkan pada bagian hidden layer yaitu membagi jumlah neuron pada hidden layer menjadi beberapa subproses yang dikerjakan secara bersamaan, pembagian yang dilakukan berdasarkan pada jumlah thread. Hasil yang didapatkan dalam penerapan parallel processing menggunakan teknik multithreading ke dalam algoritma resilient backpropagation membantu mempercepat waktu proses pembelajaran resilient backpropagation dengan thread yang digunakan sebanyak 3 buah thread.
SIMULASI INTERKONEKSI ANTARA AUTONOMOUS SYSTEM (AS) MENGGUNAKAN BORDER GATEWAY PROTOCOL (BGP) Hari Antoni Musril
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 1 (2017): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i1.151

Abstract

An autonomous system (AS) is the collection of networks having the same set of routing policies. Each AS has administrative control to its own inter-domain routing policy. Computer networks consisting of a bunch of AS's with different routing will not be able to interconnecttion one another. This is causes communication in the network to be inhibited. For that we need a protocol that can connect each different AS. Border Gateway Protocol (BGP) is an inter-domain routing protocol i.e. between different AS  that is used to exchange routing information between them. In a typical inter-network (and in the Internet) each autonomous system designates one or more routers that run BGP software. BGP routers in each AS are linked to those in one or more other AS. The ability to exchange table routing information between Autonomous System (AS) is one of the advantages BGP. BGP implements routing policies based a set of attributes accompanying each route used to pick the “shortest” path across multiple ASs, along with one or more routing policies. BGP uses an algorithm which cannot be classified as a pure "Distance Vector", or pure "Link State". It is a path vector routing protocol as it defines a route as a collection of a number of AS that is passes through from source AS to destination AS. This paper discusses the implementation of the BGP routing protocol in the network that have different AS in order to interconnect. Its application using Packet Tracer 7.0 software for prototyping and simulating network. So that later can be applied to the actual network. Based on experiments that have been carried out, the BGP routing protocol can connect two routers that have different autonomous system.
SISTEM PENDETEKSIAN KEMIRIPAN JUDUL SKRIPSI MENGGUNAKAN ALGORITMA WINNOWING Nurdin Nurdin; Amin Munthoha
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 2, No 1 (2017): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v2i1.165

Abstract

Proses pengelolaan judul skripsi yang telah ada dan pendistribusian informasi kepada mahasiswa serta penentuan diterima atau tidak terhadap judul-judul yang diajukan oleh mahasiswa masih dilakukan secara manual yaitu dengan mengecek satu-persatu sehingga membutuhkan waktu yang lama dan kurang efektif. Sistem pendeteksian kemiripan judul skripsi dengan menggunakan algoritma winnowing dirancang untuk memudahkan koordinator tugas akhir atau Ketua Program Studi dalam menentukan persentase kemiripan dengan judul yang telah ada. Sistem akan meminta sebuah masukkan berupa judul yang akan di cek kemiripannya dan menampilkan hasilnya kepada user. Dari 117 judul skripsi yang telah ada, terdapat 11 judul yang sama terhadap judul yang dimasukkan dengan tingkat kemiripan lebih besar sama dengan 20 persen. Dengan adanya sistem ini diharapkan proses-proses tersebut menjadi lebih mudah, cepat dan efektif. Keywords: algoritma winnowing, deteksi kemiripan, plagiarisme, judul skripsi

Page 2 of 2 | Total Record : 14

 1   2 

Filter by Year

2017 2017


Reset
Filter By Issues
All Issue Vol 8, No 2 (2024): InfoTekJar Maret Vol 8, No 1 (2023): InfoTekJar September Vol 7, No 2 (2023): Infotekjar Maret Vol 7, No 1 (2022): InfoTekJar September Vol 6, No 2 (2022): InfoTekJar Maret Vol 6, No 1 (2021): InfoTekJar September Vol 5, No 2 (2021): InfoTekJar Maret Vol 5, No 1 (2020): InfoTekJar September Vol 4, No 2 (2020): InfoTekJar Maret Vol 4, No 1 (2019): InfoTekJar September Vol 3, No 2 (2019): InfoTekJar Maret Vol 3, No 1 (2018): InfoTekJar September Vol 2, No 2 (2018): InfoTekJar Maret Vol 2, No 1 (2017): InfoTekJar September Vol 1, No 2 (2017): InfoTekJar Maret Vol 1, No 1 (2016): InfoTekJar Vol 1, No 1 (2016): InfoTekJar September More Issue