Jurnal Teknologi dan Sistem Komputer
Not a member yet
364 research outputs found
Sort by
Parameter tuning in KNN for software defect prediction: an empirical analysis
Get PDFSoftware Defect Prediction (SDP) provides insights that can help software teams to allocate their limited resources in developing software systems. It predicts likely defective modules and helps avoid pitfalls that are associated with such modules. However, these insights may be inaccurate and unreliable if parameters of SDP models are not taken into consideration. In this study, the effect of parameter tuning on the k nearest neighbor (k-NN) in SDP was investigated. More specifically, the impact of varying and selecting optimal k value, the influence of distance weighting and the impact of distance functions on k-NN. An experiment was designed to investigate this problem in SDP over 6 software defect datasets. The experimental results revealed that k value should be greater than 1 (default) as the average RMSE values of k-NN when k>1(0.2727) is less than when k=1(default) (0.3296). In addition, the predictive performance of k-NN with distance weighing improved by 8.82% and 1.7% based on AUC and accuracy respectively. In terms of the distance function, kNN models based on Dilca distance function performed better than the Euclidean distance function (default distance function). Hence, we conclude that parameter tuning has a positive effect on the predictive performance of k-NN in SDP
SMS Security Improvement using RSA in Complaints Application on Regional Head Election’s Fraud
Get PDFIn the campaign period of regional heads election, fraud can occur, such as money politics, blaming campaign facilities, campaign time violations, and black campaign. This study implemented a secure SMS application for election fraud complaints as a tool for the society to report all forms of election fraud that have occurred to the election supervisory department safely. The RSA algorithm was applied to encrypt the messages for sender privacy protection. The application was able to perform the message randomization function properly with a 10.44% avalanche effect. Brute force attack using a 16-bit key length needs 3.7 milliseconds for each try to find 32.768 possible private keys
Manajemen Alokasi Bandwidth Layanan Internet Menggunakan Fractional Knapsack Problem
Get PDFThe technical problems faced in e-government implemented by the Ministry of Religion of Indonesia since 2015 are minimal bandwidth requirements to provide information services and behavior of users who access entertainment sites. When peak hours occur, the congested network often occurs which becomes a significant bottleneck. This study aims to implement bandwidth management using the fractional knapsack problem method by limiting access to entertainment services. The QoS parameters used in this management are throughput, delay, and jitter. The method was tested using a paired t-test using throughput, jitter, and delay test parameters by comparing test parameters before and after bandwidth management applied. The significance value produced is between 75-85%. The method used can control the amount of traffic for each service, but on the other, hand the delay and jitter are still high. It is necessary to add additional free space to each service that can be used when needed to reduce the delay and jitter.Kendala teknis lapangan yang dihadapi dalam layanan e-goverment oleh Kementerian Agama RI sejak tahun 2015, di antaranya adalah kebutuhan bandwidth minimal untuk menjalankan sistem informasi dan perilaku pengguna yang mengakses situs-situs yang bersifat hiburan. Saat terjadi jam-jam sibuk (peak hour) sering terjadi kepadatan jaringan yang menjadi bottleneck secara signifikan. Penelitian ini bertujuan mengkaji manajemen bandwidth menggunakan metode fractional knapsack problem dengan membatasi akses layanan yang bersifat hiburan. Parameter QoS yang digunakan dalam manajemen ini adalah throughput, delay, dan jitter. Metode tersebut diuji menggunakan uji t berpasangan menggunakan parameter uji throughput, jitter, dan delay dengan membandingkan parameter uji sebelum dan sesudah dilakukan manajemen bandwidth. Nilai signifikansi yang dihasilkan adalah antara 75-85%. Metode yang digunakan dapat mengendalikan jumlah trafik pada setiap layanan, namun di sisi lain nilai delay dan jitter masih tinggi. Untuk itu, perlu dilakukan penambahan free space alokasi pada setiap layanan yang dapat digunakan pada saat diperlukan agar dapat menurunkan nilai delay dan jitter
Perbandingan Metode Segmentasi K-Means Clustering dan Segmentasi Region Growing untuk Pengukuran Luas Wilayah Hutan Mangrove
Get PDFThis study aims to examine the k-means clustering and region growing segmentation methods to identify and measure the area of mangrove forests in the Southeast Sulawesi province. The image of the area of this study used Landsat 8 satellite imagery. The area of mangrove forest was carried out by calculating the number of pixels identified as mangrove forests with an area density of 900 m2/pixel. The accuracy of the two segmentation methods in calculating the area was compared based on the same area calculated by LAPAN. The overall accuracy of k-means clustering segmentation method has better accuracy, which is 59.26%, than region growing with 33.33% of accuracy. Both image segmentation methods, k-means clustering and region growing, can be used to calculate the area of mangrove forests in the Southeast Sulawesi region using Landsat 8 satellite imagery.Penelitian ini bertujuan mengkaji metode segmentasi k-means clustering dan region growing untuk mengidentifikasi dan mengukur luas hutan mangrove di wilayah provinsi Sulawesi Tenggara. Citra daerah yang dikaji menggunakan citra satelit Landsat 8. Luas wilayah hutan mangrove dilakukan dengan menghitung jumlah piksel yang diidentifikasi sebagai hutan mangrove dengan densitas luas area 900 m2 perpiksel. Akurasi kedua metode segmentasi dalam pengukuran luas daerah dibandingkan berdasarkan luas daerah dari LAPAN. Metode segmentasi k-means clustering secara keseluruhan mempunyai akurasi perhitungan luas yang lebih akuras sebesr 59,26% dibandingkan region growing sebesar 33,33%. Kedua metode segmentasi citra, baik k-means clustering maupun region growing, dapat digunakan untuk menghitung luas hutan mangrove yang ada di wilayah Sulawesi Tenggara dengan menggunakan data citra satelit Landsat 8
Klasifikasi percepatan dari sinyal gempa bumi dan sinyal linier aktivitas manusia menggunakan akselerometer smartphone berbasis algoritme support vector machine
Get PDFThe threat of earthquake calamity spread throughout most of the Indonesian archipelago. Smartphone’s accelerometer usage as a seismic parameter detector in Indonesia, of which the noise has obstacles, mainly due to human activities. This study aims to classify linear acceleration signals caused by human activity and earthquake acceleration signals as an initial effort to reduce noise caused by human activity in the smartphone’s accelerometer signals. Both signals are classified by using the Support Vector Machine (SVM) algorithm of which consists of several steps, respectively, data collection, data preprocessing, data segmentation, feature extraction, and classification. These algorithms are tested to 2545 human activity signals in trouser pocket, 2430 human activity signals in shirt pocket and earthquake acceleration signals. Based on the test results by using the confusion matrix, linear acceleration signal data caused by human activity and earthquake acceleration signals can be classified properly using an SVM algorithm with Polynomial or Gaussian kernel with a small kernel scale value. The algorithms can achieve an accuracy of 87.74% to 97.94%.Ancaman bahaya gempabumi tersebar hampir di seluruh wilayah kepulauan Indonesia. Akselerometer pada smartphone, yang dapat dimanfaatkan sebagai instrumen pendeteksi parameter kegempaan di Indonesia, memiliki kendala terkait noise akibat aktivitas manusia. Penelitian ini bertujuan memilah sinyal percepatan linier manusia dan sinyal gempabumi sebagai upaya awal untuk mereduksi noise akibat aktivitas manusia dalam sinyal akselerometer smartphone. Sinyal percepatan linier aktivitas manusia dan sinyal percepatan gempabumi diklasifikasikan menggunakan algoritme Support Vector Machine (SVM) dengan beberapa tahapan yaitu penghimpunan data, prapengolahan data, segmentasi data, ekstraksi fitur, dan klasifikasi. Algoritme SVM diujikan terhadap 2545 sinyal aktivitas manusia pada kantong celana, 2430 sinyal aktivitas manusia pada kantong baju dan sinyal gempabumi. Berdasarkan hasil pengujian menggunakan matriks konfusi, data sinyal percepatan linier aktivitas manusia dan sinyal percepatan gempabumi dapat diklasifikasikan secara baik menggunakan algoritme SVM berkernel Polinomial atau Gaussian dengan nilai kernel skala yang kecil. Algoritme ini mampu mencapai akurasi 87,74% hingga 97,94%
Data Mining Menggunakan Algoritma Apriori untuk Rekomendasi Produk bagi Pelanggan
Get PDFThe implementation of a marketing strategy requires a reference so that promotion can be on target, such as by looking for similarities between product items. This study examines the application of the association rule method and apriori algorithm to the purchase transaction dataset to assist in forming candidate combinations among product items for customer recommended product promotion. The purchase transaction dataset was collected in October and November 2018 with a total data of 1027. In the experiment, the minimum value of support is 85%, and the minimum confidence value is 90% by processing data using the Weka software 3.9 version. Apriori algorithm can form association rules as a reference in the promotion of company products and decision support in providing product recommendations to customers based on defined minimum support and confidence values.Pelaksanaan strategi pemasaran memerlukan acuan agar promosi dapat tepat sasaran, misalnya dengan mencari hubungan kesamaan antar item produk. Penelitian ini mengkaji penerapan metode association rule dan algoritma apriori pada dataset transaksi pembelian untuk membantu membentuk kandidat kombinasi antar item produk dalam promosi rekomendasi produk bagi pelanggan. Dataset transaksi pembelian dikumpulkan pada bulan Oktober dan November 2018 sejumlah 1027 data. Pada eksperimen, ditentukan nilai support minimum 85% dan nilai confidence minimum 90% dengan pengolahan data menggunakan software Weka versi 3.9. Algoritma apriori dapat menghasilkan aturan asosiasi sebagai acuan dalam promosi produk dan pendukung keputusan dalam memberikan rekomendasi produk kepada konsumen berdasarkan nilai support dan confidence minimum yang telah ditetapkan
Sistem Cerdas Penentuan Lokasi Parkir pada Area Kampus Menggunakan Fuzzy Logic Berbasis Internet of Things
Get PDFThe increasing use of vehicles at campus locations makes it more difficult to find an empty parking lot. This paper develops a system for determining parking locations on campus areas using cloud-based fuzzy logic and Internet of Things (IoT). NFC is used to confirm the order code of the location that has been generated by the system. At the parking location, a sensor is installed to detect parking availability. The concept of IoT has been applied to build this system. Applications on smartphone devices are used for reservations at desired parking locations via the internet. The results show that the system has been able to detect the location of empty parking lots and make reservations in the Andalas University campus environment. The application of fuzzy logic has succeeded in obtaining parking location sequences based on distance and total capacity to find the best parking location.Penggunaan kendaraan yang semakin meningkat di lokasi kampus saat ini menyebabkan semakin sulitnya menemukan tempat parkir yang kosong. Makalah ini mengembangkan sistem penentuan lokasi parkir pada area kampus menggunakan logika fuzzy berbasis komputasi awan dan Internet of Things (IoT). NFC digunakan untuk melakukan konfirmasi dari kode pemesanan lokasi yang telah dihasilkan oleh sistem. Pada lokasi parkir dipasang sensor untuk mendeteksi ketersedian parkir. Konsep IoT telah diterapkan untuk membangun sistem ini. Aplikasi pada perangkat smartphone digunakan untuk reservasi pada lokasi parkir yang diinginkan melalui internet. Hasil pengujian menunjukkan bahwa sistem telah mampu mendeteksi lokasi parkir yang kosong dan melakukan reservasi di lingkungan kampus Universitas Andalas. Penerapan logika fuzzy telah berhasil memdapatkan urutan lokasi parkir berdasarkan jarak dan jumlah kapasitas untuk pencarian lokasi parkir terbaik
Pengaruh Masukan Kendali Terhadap Hasil Identifikasi Parameter Pesawat Udara Konfigurasi Konvensional Matra Terbang Longitudinal
Get PDFParameter identification is a process to get real characteristics of the motion dynamics of an object which can then be used to build the dynamics model of the object, which has a very high level of validity and accuracy. The modeling process is usually carried out using aircraft input data and the results of existing navigation data recording. From the data, the model parameters are estimated using the simple least square method. In this study, the simulation was carried out by varying the deflection input in the control field and simulation time. The input given to the longitudinal dimension is the deflection of the elevator control field. The results of parameter identification in the Corsair A-7A plane in the longitudinal dimension indicate that the input form 3-2-1 has a smaller error value than using doublet and pulse inputs. This shows that the input form 3-2-1 is most suitable for the longitudinal dimension among the given inputs.Identifikasi parameter merupakan suatu cara untuk mendapatkan sifat-sifat nyata dinamika gerak suatu benda yang kemudian dapat digunakan untuk membangun model dinamika benda tersebut, yang memiliki tingkat kesahihan dan ketelitian sangat tinggi. Proses pemodelan dilakukan dengan menggunakan data input pesawat dan hasil perekaman data navigasi yang sudah ada. Dari data yang diperoleh, parameter model diestimasi dengan menggunakan metode ordinary least square. Pada penelitian ini simulasi dilakukan dengan memvariasikan input defleksi bidang kendali dan waktu simulasi. Input yang diberikan pada matra longitudinal adalah defleksi bidang kendali elevator. Hasil identifikasi parameter pada pesawat Corsair A-7A matra longitudinal menunjukkan bahwa bentuk inputan 3-2-1 memiliki nilai galat yang lebih kecil dibandingkan menggunakan input doublet dan pulse. Hal ini menunjukkan bahwa bentuk input 3-2-1 paling sesuai untuk matra longitudinal diantara input-input yang telah diberikan
Prediksi Kejadian Banjir dengan Ensemble Machine Learning Menggunakan BP-NN dan SVM
Get PDFThis study aims to examine the prediction of rainfall and river water debit using the Back Propagation Neural Network (BP-NN) method. Prediction results are classified using the Support Vector Machine (SVM) method to predict flooding. The parameters used to predict rainfall with BP-NN are minimum, maximum and average temperature, average relative humidity, sunshine duration, and average wind speed. The debit of Ular Pulau Tagor river is predicted by BP-NN. BPNN and SVM modeling using software R. Daily climate data from 2015-2017 were taken from three stations, namely Sampali climatology station, Kualanamu meteorological station, and Tuntung geophysics station. Prediction of river water debit is for 6 days and 30 days in the future. The best dataset is a 6 day prediction with a combination of 60% training and 40% testing. Flood prediction accuracy with SVM was 100% in predicting flood events for the next 6 days.Penelitian ini bertujuan untuk mengkaji prediksi curah hujan dan debit air sungai menggunakan metode Back Propagation Neural Network (BP-NN). Hasil prediksi diklasifikasikan menggunakan metode Support Vector Machine (SVM) untuk memprediksi banjir. Parameter yang digunakan untuk memprediksi curah hujan dengan BP-NN adalah suhu minimum, maksimum dan rata-rata, kelembaban relatif rata-rata, lama penyinaran matahari, dan kecepatan angin rata-rata. Data debit air sungai Ular Pulau Tagor diprediksi dengan BP-NN. Pemodelan BP-NN dan SVM menggunakan software R. Data iklim harian 2015-2017 berasal dari tiga stasiun, yaitu stasiun klimatologi Sampali, stasiun meteorologi Kualanamu, dan stasiun geofisika Tuntungan. Prediksi debit air sungai adalah 6 hari dan 30 hari ke depan. Dataset terbaik adalah prediksi 6 hari dengan kombinasi training 60% dan testing 40%. Prediksi banjir dengan SVM secara akurat 100% dapat menyatakan kejadian banjir selama 6 hari kedepan
Naïve Bayes, Decision Tree, and SVM Algorithm for Classification of Sharia Cooperative Customer Financing Approval
Get PDFKeputusan persetujuan pembiayaan pada koperasi syariah memiliki risiko tinggi atas ketidakmampuan nasabah dalam membayar kewajiban kreditnya pada saat jatuh tempo atau disebut dengan kredit macet. Untuk menjaga dan meminimalisir risiko tersebut dibutuhkan metode yang akurat untuk menentukan persetujuan pembiayaan. Tujuan penelitian ini adalah untuk melakukan klasifikasi data histori pinjaman nasabah koperasi syariah menggunakan algoritme Naïve Bayes, Decision Tree dan SVM untuk memprediksi kredibilitas calon nasabah selanjutnya. Hasil penelitian menunjukkan akurasi algoritme Naïve Bayes 77,29%, Decision Tree 89,02% dan yang tertinggi Support Vector Machine (SVM) 89,86%.The decision on financing approval in sharia cooperatives has a high risk of the inability of customers to pay their credit obligations at maturity or referred to as bad credit. To maintain and minimize risk, an accurate method is needed to determine the financing agreement. The purpose of this study is to classify sharia cooperative loan history data using the Naïve Bayes algorithm, Decision Tree and SVM to predict the credibility of future customers. The results showed the accuracy of Naïve Bayes algorithm 77.29%, Decision Tree 89.02% and the highest Support Vector Machine (SVM) 89.86%