cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
jtsiskom@ce.undip.ac.id
Editorial Address
-
Location
Kota semarang,
Jawa tengah
INDONESIA
Jurnal Teknologi dan Sistem Komputer
Published by Universitas Diponegoro
ISSN : 26204002     EISSN : 23380403     DOI : -
Jurnal Teknologi dan Sistem Komputer (JTSiskom, e-ISSN: 2338-0403) adalah terbitan berkala online nasional yang diterbitkan oleh Departemen Teknik Sistem Komputer, Universitas Diponegoro, Indonesia. JTSiskom menyediakan media untuk mendiseminasikan hasil-hasil penelitian, pengembangan dan penerapannya di bidang teknologi dan sistem komputer, meliputi sistem embedded, robotika, rekayasa perangkat lunak dan jaringan komputer. Lihat fokus dan ruang lingkup JTSiskom. JTSiskom terbit 4 (empat) nomor dalam satu tahun, yaitu bulan Januari, April, Juli dan Oktober (lihat Tanggal Penting). Artikel yang dikirimkan ke jurnal ini akan ditelaah setidaknya oleh 2 (dua) orang reviewer. Pengecekan plagiasi artikel dilakukan dengan Google Scholar dan Turnitin. Artikel yang telah dinyatakan diterima akan diterbitkan dalam nomor In-Press sebelum nomor regular terbit. JTSiskom telah terindeks DOAJ, BASE, Google Scholar dan OneSearch.id Perpusnas. Lihat daftar pengindeks. Artikel yang dikirimkan harus sesuai dengan Petunjuk Penulisan JTSiskom. JTSiskom menganjurkan Penulis menggunakan aplikasi manajemen referensi, seperti Mendeley, Endnote atau lainnya. Penulis harus register ke jurnal atau jika telah teregister, dapat langsung log in dan melakukan lima langkah submisi artikel. Penulis harus mengupload Pernyataan Pengalihan Hak Cipta saat submisi. Artikel yang terbit di JTSiskom akan diberikan nomer identifier unik (DOI/Digital Object Identifier) dan tersedia serta bebas diunduh dari portal JTSiskom ini. Penulis tidak dipungut biaya baik untuk pengiriman artikel maupun pemrosesan artikel (lihat APC/Article Processing Charge). Jurnal ini mengimplementasikan sistem LOCKSS untuk pengarsipan secara terdistribusi di jaringan LOCKSS privat.
Arjuna Subject : -
Articles 339 Documents
Clothing size recommender on real-time fitting simulation using skeleton tracking and rigging Kurniawati, Arik; Kusumaningsih, Ari; Aliffio, Yanuar
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.2.2020.127-132

Abstract

Virtual fitting room (VFR) is a technology that replaces conventional fitting rooms. The VFR is not only available in shops, malls, and any shopping center but also in online stores, which makes VFR technology more and more developed, primarily to support online garment sales. VFR become a trending research interest since Microsoft has developed a Kinect tracking system. In this paper, we proposed the interactive 3D virtual fitting room using Microsoft's Kinect tracking and the rigging technique from 3D Modeling Blender and to implement the VFR. VFR manages the progress of virtual fitting that forms the three-dimensional simulations and visualization of garments on virtual counterparts of the real prospective buyer (user). Users can view the clothing animation on the various poses that are following the user body movements. The system can evaluate the user’s match, guiding them to choose the suitable size of the clothes using Euclidean distance.
Kombinasi SOM-RBF untuk prediksi drought code berdasarkan data curah hujan dan suhu udara Midyanti, Dwi Marisa
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 1, Year 2020 (January 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.1.2020.64-68

Abstract

Penelitian ini bertujuan untuk memprediksi Drought Code (DC) di Kabupaten Kubu Raya dengan menggunakan Kombinasi SOM-RBF. Nilai bobot akhir dari SOM digunakan sebagai center pada jaringan RBF. Penelitian ini menggunakan enam variabel data masukan, yaitu data curah hujan dan data suhu udara selama tiga hari dengan tiga keluaran biner untuk memprediksi nilai DC. Penelitian ini juga menganalisis pengaruh jumlah neuron, parameter laju pembelajaran, dan jumlah iterasi terhadap hasil pelatihan jaringan SOM-RBF. Hasil penelitian menunjukkan bahwa MSE pelatihan terkecil 0,159933 dari jaringan SOM-RBF didapat dengan menggunakan 65 neuron di lapisan tersembunyi, laju pembelajaran 0,007, dan 45000 iterasi. Dari 254 data uji, diperoleh akurasi SOM-RBF sebesar 91,34 %.
Sistem inferensi fuzzy Mamdani untuk menentukan tingkat kualitas air pada kolam bioflok dalam budidaya ikan lele Pujiharsono, Herryawan; Kurnianto, Danny
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.2.2020.84-88

Abstract

The government has launched a program to increase the production of catfish by using biofloc ponds. The biofloc ponds can maintain the quality of water biologically to maximize the growth of fish. However, the level of water quality monitoring is generally only divided into good or bad categories so that it cannot represent the condition of fish growth. Therefore, this study aims to get the level of water quality (0–100 %) using the Mamdani fuzzy inference system (FIS) algorithm based on pH, temperature, and dissolved oxygen (DO). The level of water quality was correlated based on catfish growth conditions. The results showed that the range of values of the water quality level for each condition of catfish growth was 100 % for normal-living fish, 83–99 % for stunted fish growth, and < 83% for threatened fish. The FIS algorithm had 89.92 % of accuracy.
Algoritme RSA menggunakan pembangkit kunci ESRKGS untuk enkripsi pesan chat dengan protokol TCP/IP Aminudin, Aminudin; Aditya, Gadhing Putra; Arifianto, Sofyan
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.2.2020.113-120

Abstract

Penelitian ini bertujuan untuk menganalisis kinerja dan keamanan dari algoritme RSA yang dikombinasikan dengan metode pembangkitan kunci enhanced and secured RSA key generation scheme (ESRKGS). Metode tersebut diterapkan pada aplikasi pesan instan menggunakan socket TCP. ESRKGS merupakan pengembangan dari improvisasi RSA dengan menambahkan empat bilangan prima di dalam properti yang tertanam di dalam pembangkitan kunci. Algoritme ESRKGS+RSA dirancang dengan menggunakan pengembangan RSA standar dengan memodifikasi pasangan kunci privat dan publik. Modifikasi tersebut bertujuan agar dapat mempersulit dalam memfaktorkan bilangan besar n menjadi faktor primanya. Pengujian kinerja menunjukkan bahwa ESRKGS+RSA membutuhkan waktu 10,437 ms yang lebih cepat daripada RSA improvisasi yang sama-sama menggunakan empat bilangan prima dalam proses pembangkitan kunci pada bilangan prima 1024 bit. Hal tersebut berlaku juga pada proses enkripsi dan dekripsi. Pengujian keamanan dengan menggunakan faktorisasi Fermat untuk pada kunci 32 bit tidak ditemukan nilai faktor bilangan prima. Pengujian tersebut diproses selama 15 jam sampai sumberdaya komputer habis.
Model dan prototipe inkubator mobile menggunakan kontroler PID berbasis Arduino Uno Munadi, Munadi; Pandu, R. Andhika; Wiradinata, Rizky; Julianti, Hari Peni; Setiawan, Rudy
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 1, Year 2020 (January 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.1.2020.69-77

Abstract

Salah satu penyebab tingginya angka kematian bayi di Indonesia adalah minimnya fasilitas pendukung kesehatan di daerah terpencil, di antaranya inkubator untuk membuat tubuh bayi tetap hangat pada temperatur tertentu. Penelitian ini mengembangkan model dan prototipe inkubator mobile yang digunakan untuk membawa dan menjaga temperatur bayi saat kondisi darurat untuk mendapatkan penanganan lebih lanjut ke rumah sakit yang memiliki fasilitas lebih baik. Prototipe inkubator ini menggunakan sistem kontroler PID dengan gain optimum bernilai Kp 1,501, Ki 0,016, dan Kd -1,319 dari hasil pemodelan dan tuning di Matlab. Hasil analisis kestabilan bode plot menunjukkan kestabilan sistem tercapai dengan nilai margin gain 109 dB. Mobilitas operasional inkubator dapat bertahan hingga 59,6 menit dengan 2 buah baterai 12 V, 5 Ah.
K-means-SMOTE untuk menangani ketidakseimbangan kelas dalam klasifikasi penyakit diabetes dengan C4.5, SVM, dan naive Bayes Hairani, Hairani; Saputro, Khurniawan Eko; Fadli, Sofiansyah
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (73.3 KB) | DOI: 10.14710/jtsiskom.8.2.2020.89-93

Abstract

Kemunculan kelas yang tidak seimbang dalam suatu dataset akan menghasilkan kecenderungan klasifikasi ke kelas yang memiliki jumlah instance terbesar (majority class). Metode sampling dibutuhkan untuk menyeimbangkan kelas minoritas (kelas positif) sehingga distribusi kelas menjadi seimbang dan memperoleh hasil klasifikasi yang lebih baik. Penelitian ini dilakukan untuk menyelesaikan permasalahan ketidakseimbangan kelas pada dataset penyakit diabetes Pima Indian menggunakan k-means-SMOTE. Dataset tersebut memiliki 268 data dari kelas positif (kelas minoritas) dan 500 data dari kelas negative (kelas mayoritas). Tahap klasifikasi dilakukan dengan membandingkan penerapan algoritma C4.5, SVM, dan naïve Bayes pada hasil sampling k-means-SMOTE. Kombinasi k-means-SMOTE dengan metode klasifikasi SVM memiliki akurasi dan sensitivitas terbaik, yaitu sebesar 82 % dan 77 %, sedangkan dengan metode naive Bayes menghasilkan spesifisitas terbaik sebesar 89 %.
Klasifikasi citra HSV aksara kuno pada prasasti tembaga Kintamani menggunakan GLRCM dan SVM Purnama Yanti, Christina; Andika, I Gede
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (179.199 KB) | DOI: 10.14710/jtsiskom.8.2.2020.94-99

Abstract

Masalah kerusakan fisik prasasti sebagai salah satu warisan sejarah dapat diatasi dengan menggunakan teknik pemrosesan citra. Kajian ini bertujuan menerapkan segmentasi aksara pada prasasti kuno tembaga Kintamani untuk mendapatkan pola aksara yang ada pada prasasti ke dalam bentuk digital. Proses segmentasi dimulai dari melakukan akuisisi citra prasasti, mengubah ruang warna citra dari RGB ke HSV, melakukan ekstraksi fitur tekstur menggunakan gray level run length matrix (GLRLM). Proses klasifikasi hasil ekstraksi fitur menggunakan metode support vector machine (SVM). Segmentasi terhadap citra prasasti menggunakan proses deteksi pola dengan metode sliding window. Sistem ini memperoleh akurasi sebesar 88,32 %, presisi 0,87, dan sensitivitas sebesar 0,94.
Kinerja jaringan saraf berbasis backpropagation dan LVQ sebagai algoritme fingerprint RSS LoRa untuk penentuan posisi pada ruang terbuka Misbahuddin, Misbahuddin; Iqbal, Muhamad Syamsu; Wiriasto, Giri Wahyu; Ahmad, L; Akbar, S. Irfan; Irwan, Muhammad
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.2.2020.121-126

Abstract

Penentuan posisi ruang terbuka merupakan salah satu aplikasi penting pada internet of things. Penggunaan GPS tidak cocok untuk perangkat IoT yang berdaya rendah. Sebagai alternatif digunakan perangkat LoRa. Penelitian ini bertujuan untuk menemukan metode yang lebih baik sebagai algoritme fingerprint dalam menentukan posisi objek pada ruang terbuka berdasarkan RSS LoRa. Metode yang digunakan sebagai algoritme fingerprint adalah dua model jaringan saraf tiruan, yaitu backpropagation (BP) dengan empat jenis metode pelatihan dan learning vector quantization (LVQ) dengan dua metode pelatihan. Hasil eksperimen menunjukkan bahwa kinerja LVQ1 lebih baik dibanding LVQ2. Selain itu, kinerja LVQ1 juga lebih baik dibandingkan BP, sedangkan metode BP dan LVQ2 memiliki tingkat keberhasilan hampir sama di sekitar 70 %. Kedua model jaringan saraf tiruan, baik BP maupun LVQ, dapat digunakan sebagai algoritme fingerprint untuk menentukan posisi objek pada ruang terbuka dengan akurasi yang cukup tinggi.
Segmentasi pelanggan menggunakan algoritme bisecting k-means berdasarkan model recency, frequency, dan monetary (RFM) Puspitasari, Novianti; Widians, Joan Angelina; Setiawan, Noval Bayu
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 2, Year 2020 (April 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.8.2.2020.78-83

Abstract

Information on customer loyalty characteristics in a company is needed to improve service to customers. A customer segmentation model based on transaction data can provide this information. This study used parameters from the recency, frequency, and monetary (RFM) model in determining customer segmentation and bisecting k-means algorithm to determine the number of clusters. The dataset used 588 sales transactions for PT Dinar Energi Utama in 2017. The clusters formed by the bisecting k-means and k-means algorithm were tested using the silhouette coefficient method. The bisecting k-means algorithm can form the best customer segmentation into three groups, namely Occasional, Typical, and Gold, with a silhouette coefficient of 0.58132.
Optimasi decision tree menggunakan particle swarm optimization untuk identifikasi penyakit mata berdasarkan analisis tekstur Arifin, Toni; Herliana, Asti
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 1, Year 2020 (January 2020)
Publisher : Departemen Teknik Komputer, Fakultas Teknik, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (286.208 KB) | DOI: 10.14710/jtsiskom.8.1.2020.59-63

Abstract

Masalah gangguan penglihatan merupakan masalah serius seiring peningkatan kasus gangguan penglihatan hingga menyebabkan kebutaan. Penelitian ini mengkaji pengembangan aplikasi identifikasi untuk klasifikasi penderita gangguan mata dengan menggunakan metode Decision Tree (DT) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Kajian ini menggunakan 311 data citra mata, yang terdiri atas 233 citra mata normal dan 78 citra mata berpenyakit glaukoma, katarak, dan uveitis. Gray Level Co-occurrence Matrix (GLCM) digunakan untuk ekstraksi fitur, sedangkan PSO digunakan untuk optimasi fitur dan DT sebagai metode pembelajarannya. Aplikasi klasifikasi gangguan penglihatan teroptimasi ini dapat meningkatkan akurasi sistem menjadi 88,09 %.

Page 1 of 34 | Total Record : 339


Filter by Year

2013 2020


Filter By Issues
All Issue Volume 8, Issue 4, Year 2020 (October 2020): In Progress Volume 8, Issue 3, Year 2020 (July 2020) Volume 8, Issue 2, Year 2020 (April 2020) Volume 8, Issue 1, Year 2020 (January 2020) 2020: Publication In-Press Volume 7, Issue 4, Year 2019 (October 2019) Volume 7, Issue 3, Year 2019 (July 2019) Volume 7, Issue 2, Year 2019 (April 2019) Volume 7, Issue 1, Year 2019 (January 2019) Publication In-Press (2019) Volume 6, Issue 4, Year 2018 (October 2018) Volume 6, Issue 3, Year 2018 (July 2018) Volume 6, Issue 2, Year 2018 (April 2018) Volume 6, Issue 1, Year 2018 (January 2018) Volume 5, Nomor 1, Tahun 2017 (Januari 2017) Volume 5, Issue 4, Year 2017 (October 2017) Volume 5, Issue 3, Year 2017 (July 2017) Volume 5, Issue 2, Year 2017 (April 2017) Volume 4, Nomor 3, Tahun 2016 (Agustus 2016) Volume 4, Nomor 2, Tahun 2016 (April 2016) Volume 4, Nomor 1, Tahun 2016 (Januari 2016) Volume 4, Issue 4, Year 2016 (October 2016) Volume 3, Nomor 4, Tahun 2015 (Oktober 2015) Volume 3, Nomor 3, Tahun 2015 (Agustus 2015) Volume 3, Nomor 2, Tahun 2015 (April 2015) Volume 3, Nomor 1, Tahun 2015 (Januari 2015) Volume 2, Nomor 4, Tahun 2014 (Oktober 2014) Volume 2, Nomor 3, Tahun 2014 (Agustus 2014) Volume 2, Nomor 2, Tahun 2014 (April 2014) Volume 2, Nomor 1, Tahun 2014 (Januari 2014) Volume 1, Nomor 4, Tahun 2013 (Oktober 2013) Volume 1, Nomor 3, Tahun 2013 (Agustus 2013) Volume 1, Nomor 2, Tahun 2013 (April 2013) Volume 1, Nomor 1, Tahun 2013 (Januari 2013) More Issue