Jurnal Teknologi Informasi dan Ilmu Komputer
Not a member yet
1290 research outputs found
Sort by
Perancangan Pengalaman Pengguna Portal Job Fair Sarjana Sakti dengan Pendekatan Human-Centered Design
Get PDFJob fair merupakan kegiatan yang mempertemukan pencari lowongan kerja dengan perusahaan penyedia lowongan kerja pada suatu tempat dan bertujuan untuk mengurangi angka pengangguran pada suatu wilayah. Job fair yang semula diadakan secara luring kini ditiadakan untuk mengurangi dampak penyebaran virus Covid-19. Akibatnya, angka pengangguran di Indonesia menjadi 8,75 juta pada bulan Februari 2021, dimana angka tersebut meningkat 26,26% dari angka pengangguran pada bulan Februari 2020. Untuk menindaklanjuti permasalahan tersebut, Laboratorium Teknologi Media, Game dan Mobile, Fakultas Ilmu Komputer, Universitas Brawijaya berkolaborasi dengan PT. Indogetjob International Solution menciptakan solusi dengan membangun aplikasi mobile portal job fair Sarjana Sakti. Aplikasi tersebut dilengkapi dengan asesmen soft skills sebagaimana HRD perusahaan melakukan proses rekrutmen. Aplikasi ini dirancang dengan menggunakan pendekatan Human-Centered Design (HCD) karena memiliki strategi desain yang iterative untuk mendapatkan hasil yang diharapkan. Pada tahap evaluasi desain solusi dilakukan dengan melakukan pengujian usability dan user experience kepada 10 partisipan. Hasil pengujian usability pada aspek effectiveness 97,8125%, aspek efficiency 0,079 goals/second dan pada aspek satisfaction 88,25 yang masuk dalam grade A+, kategori acceptable dan termasuk adjective best imaginable. Hasil pengujian User Experience Questionnaire (UEQ) pada skala attractiveness 2.63, skala perspicuity 2.60, skala efficiency 2.75, skala dependability 2.43, skala stimulation 2.68 dan skala novelty 2.45. AbstractJob fair is an activity that brings job seekers with companies that provide job vacancies in one place together and aims to reduce unemployment in certain areas. Job fair, which is an offline event, has been canceled to reduce the spread of COVID-19 virus. Therefore, the unemployment rate in Indonesia will reach 8.75 million in February 2021, which is an increase of 26.26% from the unemployment rate in February 2020. To overcome this problem, Media, Game and Mobile Technology (MGM) Laboratory, Faculty of Computer Science, Brawijaya University collaborates with PT. Indogetjob International Solution to develop a job fair portal mobile application called Sarjana Sakti. This application is equipped with a soft skill assessment as the company’s HRD recruits. The Human-Centered Design approach method is used in designing this application. This application was designed using the Human-Centered Design approach because it has an iterative design strategy to get the expected results. At the solution design evaluation stage, usability and user experience tests were carried out on 10 participants. The result of usability testing on the aspect of effectiveness is 97.8125%, efficiency aspect is 0.079 goals/second, and on the satisfaction aspect is 88.25 which is included in A+ grade, acceptable category and includes the best imaginable adjective. The results of user experience testing with UEQ on an attractiveness scale of 2.63, a perspicuity scale of 2.60, an efficiency scale of 2.75, a dependability scale of 2.43, a stimulation scale of 2.68, and a novelty scale of 2.45
Klasifikasi Presiden Republik Indonesia Menggunakan SVM Kernel Polynomial Dengan Fitur Ektraksi Gabor
Get PDFIndonesia adalah negara dengan sistem demokrasi dalam pemerintahannya. Adanya pemilihan presiden yang dilakukan selama 5 tahun sekali dari masa kemerdekaan sampai dengan sekarang. Pemilihan presiden atau yang sering disebut dengan pemilu (pemilihan umum) ini berguna untuk memilih calon presiden dan wakil presiden dalam sebuah negara. Mengingat adanya pergantian presiden setelah 5 tahun dalam 2 periode, para remaja jaman sekarang cenderung mengikuti jaman millennial. Sehingga banyak diantaranya tidak mengenali siapa saja presiden-presiden yang pernah menjabat di Indonesia. Oleh karena itu peneliti mengusulkan Sistem Klasifikasi Presiden Republik Indonesia menggunakan SVM Kernel Polynomial dengan Fitur Ekstraksi Gabor. Tujuan dalam peneliti ini untuk membedakan dan mengklasifikasikan nama presiden berdasarkan dengan foto tersebut. Hasil dalam SVM fitur Gabor kernel Polynomial mendapatkan nilai accuracy tertinggi sebesar 80.77 dengan split ratio 10:90. Parameter precision memiliki nilai tertinggi mencapai 32.56 dengan split ratio 10:90 dan Recall mencapai 32.70 pada split ratio 10:90. Hasil dalam pengujian ini menunjukkan bahwa SVM fitur Gabor kernel Polynomial ialah yang mampu mengklasifikasikan foto presiden dengan baik dan akurat. AbstractIndonesia is a country with a democratic system in its government. Presidential elections are held every 5 years from the time of independence until now. Presidential elections or what are often called elections (general elections) are useful for selecting presidential and vice presidential candidates in a country. considering the change of president after 5 years in 2 periods, today\u27s youth tend to follow the millennial era. So many of them do not know who the presidents who have been in Indonesia are. Therefore, the researcher proposes the Classification System for the President of the Republic of Indonesia using SVM Kernel Polynomial with Gabor Extraction Features. The purpose of this research is to distinguish and classify the name of the president based on the photo. The results in the SVM Gabor Polynomial kernel feature get the highest accuracy value of 80.77 with a split ratio of 10:90. The precision parameter has the highest value reaching 32.56 with a split ratio of 10:90 and Recall reaching 32.70 at a split ratio of 10:90. The results in this test show that SVM features a Gabor Polynomial kernel which is able to classify presidential photos well and accurately
Penerapan Mekanisme Continuous Deployment dalam Pengembangan dan Pembaruan Perangkat Lunak Sistem Benam Berbasis Internet of Things
Get PDFSebuah sistem berbasis Internet of Things (IoT) umumnya terdiri atas perangkat sistem benam yang saling terhubung antara satu dengan lainnya melalui jaringan internet. Jumlah perangkat IoT selalu bertambah. Namun selama ini, proses pembaruan perangkat IoT memiliki permasalahan yang serius terkait biaya dan waktu, yaitu ketika hendak melakukan pembaruan software, manusia harus datang secara langsung ke lokasi di mana perangkat IoT tersebut berada. Dari permasalahan tersebut, maka dibuatlah penelitian ini mengenai pembaruan software pada perangkat IoT menggunakan continuous deployment yang dilakukan di cloud. Continuous deployment adalah proses penyebaran berkelanjutan pada software yang memanfaatkan proses otomatisasi yang dilakukan dari awal hingga akhir berjalan secara otomatis tanpa adanya campur tangan manusia. Proses ini memberikan dampak positif yang signifikan karena hanya dengan menjalankan automated script, lalu semuanya bisa berjalan dengan lancar sesuai apa yang diharapkan. Implementasinya dilakukan menggunakan text editor yaitu Visual Studio Code, code repository yaitu GitHub, layanan cloud bernama Amazon Web Services (AWS), tiga buah ESP32 sebagai perangkat IoT, dan Jenkins sebagai tools untuk continuous deployment yang menjadi penghubung pada pendistrubusian code dari GitHub ke layanan-layanan yang dipilih di AWS untuk mendukung proses continuous deployment. Hasil dari pengujiannya menunjukkan bahwa layanan-layanan pada AWS dapat saling terhubung serta dapat terintegrasi dengan Jenkins dan ESP32, sehingga dapat melakukan pembaruan code dari GitHub ke tiga buah ESP32 dengan proses otomatisasi sepenuhnya. Waktu rata-rata yang dibutuhkan untuk melakukan pembaruan hanyalah 63.5 detik. Berdasarkan hasil pengujian tersebut, solusi ini dapat menjadi jawaban dari permasalahan pembaruan software perangkat IoT yang selama ini masih dilakukan secara manual.AbstractAn Internet of Things (IoT)-based system generally consists of embedded system devices connected through the internet network. The number of IoT devices is always growing. But so far, the process of updating IoT devices has serious problems related to cost and time, namely, when they want to update software, humans must come directly to the location where the IoT device is located. This research on software updates on IoT devices using continuous deployment is carried out in the cloud from these problems. Continuous deployment is a continuous deployment process on software that utilizes an automation process carried out from start to finish running automatically without any human intervention. This process has a significant positive impact because only by running the automated script, then can everything run smoothly as expected. The implementation is carried out using a text editor, namely Visual Studio Code, a code repository, namely GitHub, a cloud service called Amazon Web Services (AWS), three ESP32s as IoT devices, and Jenkins as tools for continuous deployment that serve as a liaison for code distribution from GitHub to other services. Services selected on AWS to support the continuous deployment process. The test results show that services on AWS can be interconnected and integrated with Jenkins and ESP32 so that they can update code from GitHub to three ESP32s with a fully automated process. The average time it takes to perform an update is only 63.5 seconds. Based on the results of these tests, this solution can answer the problem of updating IoT device software which is still done manually
Analisis Model Mental Mahasiswa dalam Pengembangan E-Learning Pemrograman Berbasis Gamifikasi Menggunakan Metode Agile UX
Get PDF Tujuan penelitian ini adalah menghasilkan model mental mahasiswa tentang bagaimana perilaku mereka belajar materi pemrograman. Model mental ini kemudian diterapkan dalam perbaikan desain e-learning CodeManiac. CodeManiac sebelumnya telah dikembangkan di Fakultas Ilmu Komputer Universitas Brawijaya (FILKOM UB) untuk mendukung matakuliah pemrograman di tingkat perguruan tinggi. Penelitian ini diawali dengan mengujicobakan CodeManiac versi awal kepada 15 mahasiswa FILKOM UB yang telah diseleksi untuk merepresentasikan karakteristik lima program studi S1 di FILKOM UB. Pertimbangan yang digunakan dalam memilih 15 mahasiswa tersebut didasarkan pada penelitian sebelumnya yang membahas model mental mahasiwa dibagi menjadi 3 persona (berdasarkan model mental penelitian sebelumnya) dalam bentuk level, antara lain: level dasar (elementary), level sedang (intermediate), dan level lanjutan (advanced). Penelitian ini lebih menajamkan pada susunan menu/fitur yang diperlukan agar kebutuhan belajar ketiga level tersebut terakomodasi dalam satu platform, yaitu CodeManiac. Oleh karena penelitian ini telah didasari penelitian eksperimen sebelumnya dan berfokus pada perbaikan desain solusi, maka Agile UX sesuai diterapkan pada penelitian ini. Hasil penelitian ini adalah menerapkan model mental ke dalam desain baru CodeManiac, yang selanjutnya divalidasi kembali kepada 15 mahasiswa yang telah terlibat pada pengujian awal. Penelitian ini menemukan kebutuhan baru terkait Sign Up dan Login, Course, Achievements, Exercises, Challenge, dan permasalahan umum (navigasi dan layout). Berdasarkan pengujian desain perbaikan, 15 mahasiswa memberikan umpan balik yang menunjukkan peningkatan kualitas sebagai berikut: peningkatan sebesar 24,1% pada aspek learnability, peningkatan sebesar 20,5% pada aspek intuitive efficiency, peningkatan sebesar 42% pada aspek ease of use, dan peningkatan sebesar 56% pada aspek interactivity. AbstractThe purpose of this research is to analyze students\u27 mental models of how their behavior learns programming material. This mental model is then applied to improve the e-learning CodeManiac design. CodeManiac has previously been developed at the Faculty of Computer Science Universitas Brawijaya (FILKOM UB) to support programming courses at the university level. This research begins by testing the initial version of CodeManiac to 15 students of FILKOM UB who have been selected to represent the characteristics of five undergraduate study programs at FILKOM UB. The considerations used in selecting the 15 students were based on previous research that discussed the mental model of students divided into 3 personas (based on previous research) in the form of levels, including elementary level, intermediate level, and advanced level. This research is more focused on the arrangement of the menus/features needed so that the learning needs of the three levels are accommodated in one platform, namely CodeManiac. Because this research has been based on previous experimental research and focuses on improving solution design, Agile UX is appropriate to be applied to this research. The result of this research is to apply the mental model into the new CodeManiac design, which is then validated again to 15 students who have been involved in the initial test. This research finds new needs related to Sign Up and Log in, Courses, Achievements, Exercises, Challenges, and common problems (navigation and layout). Based on the improvement design test, 15 students gave feedback indicating the quality improvement as follows: 24.1% improvement in learnability aspect, 20.5% improvement in intuitive efficiency aspect, 42% improvement in ease-of-use aspect, and 56% improvement on the aspect of the interactivity.
Peringkasan Artikel Berbahasa Indonesia Menggunakan TextRank dengan Pembobotan BM25
Get PDFPenggunaan internet sebagai sumber informasi telah membawa manusia pada era one click away. Apa pun bisa diakses di mana pun kapan pun, baik secara visual maupun tidak. Namun, tidak semua informasi yang diakses selalu sesuai dengan konteks yang diinginkan. Untuk memudahkan pengguna internet dalam mendapatkan informasi yang ringkas dengan tidak merusak atau menghilangkan informasi penting, maka dibutuhkan suatu peringkasan otomatis. Salah satu cara untuk mendapatkan ringkasan pada sebuah dokumen adalah dengan mencari kumpulan kalimat penting pada dokumen yang dapat merepresentasikan dokumen asli secara keseluruhan. Metode peringkasan tersebut disebut juga dengan peringkasan ekstraktif. Pada penelitian ini, peringkasan ekstraktif dilakukan dengan memeringkatkan setiap kalimat pada sebuah dokumen dan mengambil kalimat dengan peringkat teratas sebagai ringkasan. Metode TextRank yang digunakan pada penelitian ini merepresentasikan dokumen sebagai graf, setiap kalimat dianggap sebagai node dan hubungan antara kalimat (node) merupakan nilai similarity antar kalimat. Fungsi similarity yang digunakan adalah BM25 dengan metode pemeringkatan PageRank. Panjang ringkasan yang dihasilkan sistem disesuaikan dengan besar nilai compression rate yang digunakan. Setelah membandingkan hasil ringkasan yang didapatkan sistem peringkasan otomatis dengan hasil ringkasan yang didapatkan dari expert (pakar) sebanyak 10 dokumen, penelitian ini berhasil dilakukan dengan kualitas ringkasan terbaik didapatkan pada saat penggunaan compression rate sebesar 30% dengan nilai rata-rata precision, recall, dan f-measure secara berturut-turut adalah 0,552; 0,552; dan 0,552. AbstractThe use of the internet as a source of information has brought humans to a oneclick era. Anything can be accessed anywhere, visually or not. However, every information accessed is not always match with the context itself. An automatic summarization is needed to help people to get the concise informations without ruin the context and missing the point. One way to get a summarize of the document is to find a collection of important sentences in the document that can represent the original document as a whole. That automatic text summarization method is also called extractive summarize. In this study, extractive summarization is done by checking each sentence in a document and ranking the important sentences. The TextRank method used in this study will represent the document as a graph, each sentence will be considered as a node and the relationship between sentences (nodes) is the value of similarity between sentences. The similarity function used is BM25 with the PageRank as ranking method. The resulting length of the system will be adjusted to the value of the level of compression used. After comparing the summarization result between the automatic system and an expert of 10 documents, this research is successfully carried out with the best quality is obtained when using a compression rate of 30% with an average value of precision, recall, and f-measure is 0.552; 0.552; and 0.552.
Implementasi Metode Longest Common Subsequences untuk Perbaikan Kata pada Kasus Analisis Sentimen Opini Pembelajaran Daring di Media Sosial Twitter
Get PDFCoronavirus merupakan salah satu parasit yang menyerang sistem pernapasan manusia. Peningkatan kasus coronavirus berlangsung sangat cepat dan menyebar ke berbagai negara. Oleh karena itu, World Health Organization (WHO) menetapkan Coronavirus sebagai pandemi. Hal ini mengakibatkan seluruh kegiatan yang sebelumnya tatap muka atau luar jaringan (luring) menjadi dalam jaringan (daring), termasuk kegiatan belajar mengajar. Dengan ditetapkannya pembelajaran secara daring menyebabkan adanya opini yang bersifat pro dan kontra dari berbagai kalangan masyarakat. Opini tersebut akan digunakan dalam penelitian ini dan akan diolah terlebih dahulu dalam tahap preprocessing. Metode yang digunakan dalam penelitian ini adalah Longest Common Subsequences (LCS) dan Support Vector Machine (SVM) dengan data sebesar 500 yang terbagi menjadi 250 data berlabel positif dan 250 data berlabel negatif. Dari 500 data tersebut dibagi menjadi 450 data untuk data latih dan 50 data untuk data uji. Dengan menggunakan metode Longest Common Subsequences untuk perbaikan kata dan metode Support Vector Machine untuk klasifikasi dengan nilai parameter terbaik yaitu learning rate (γ) = 0,0001, lambda (λ) = 0,1, complexity (C) = 0,001, epsilon (ϵ) = 0,0001 dan iterasi maksimum = 50 dapat menghasilkan nilai rata-rata hasil evaluasi yaitu precision = 0,5653, recall = 0,948, f-measure = 0,7047 dan accuracy = 0,598. Hasil pengujian tersebut mununjukkan bahwa dengan menambahkan metode Longest Common Subsequences untuk perbaikan kata dapat meningkatkan tingkat akurasi yang sebelumnya hanya 0,59 menjadi 0,598. Abstract Coronavirus is a parasite that attacks the human respiratory system. The increase incases coronavirus took place very fast and spread to various countries. Therefore, the World Health Organization (WHO) has designated Coronavirus as a pandemic. This results in all activities that were previously face-to-face or offline (offline) becoming online (online), including teaching and learning activities. With the establishment of online learning, there are pro and contra opinions from various circles of society. This opinion will be used in this research and will be processed first in the stage preprocessing. The method used in this research is Longest Common Subsequences (LCS) and Support Vector Machine (SVM) with 500 data divided into 250 data labeled positive and 250 data labeled negative. Of the 500 data is divided into 450 data for training data and 50 data for test data. By using the method Longest Common Subsequences for word improvement and the method Support Vector Machine for classification with the best parameter values, namely learning rate (γ) = 0.0001, lambda (λ) = 0.1, complexity (C) = 0.001, epsilon (ϵ ) = 0.0001 and the maximum iteration = 50 can produce the average value of the evaluation results, namely precision = 0.5653, recall = 0.948, f-measure = 0.7047 and accuracy = 0.598. The test results show that by adding method of Longest Common Subsequences for word improvement, it can increase the level of accuracy which was previously only 0.59 to 0.598
Aplikasi Jurnal Harian Covid-19 untuk Pemantauan Isolasi Mandiri (PISOM)
Get PDFPenyakit Coronavirus 2019 (Covid-19) merupakan penyakit infeksi virus SARS-CoV-2 yang mempengaruhi sistem pernapasan pada tubuh manusia dan dapat menular. Kasus Covid-19 di Indonesia semakin meningkat dari waktu ke waktu sehingga membutuhkan perhatian secara khusus. Pada kasus pasien yang terkonfirmasi “Tanpa Gejala” dan “Gejala Ringan” maka pasien tersebut harus melakukan isolasi mandiri di rumah. Pasien yang melakukan isolasi mandiri tersebut harus dipantau oleh petugas kesehatan melalui telepon. Hal ini menimbulkan masalah baru dikarenakan jumlah petugas yang terbatas untuk melakukan pemantauan pada pasien. Dari permasalahan tersebut, penulis membuat penelitian yang menghasilkan sebuah aplikasi Jurnal Harian Pasien Covid-19 untuk Pemantauan Isolasi mandiri (PISOM)”. Adapun tujuan dari aplikasi ini adalah untuk membantu petugas kesehatan dalam memantau pasien yang melakukan isolasi mandiri di rumah dan diharapkan data yang dihasilkan dapat dijadikan bahan penelitian lebih lanjut oleh pihak-pihak terkait. Aplikasi ini berbasis sistem operasi Android pada pasien dan web pada petugas kesehatan sehingga dapat mempermudah para pengguna dalam pengoperasian dan dapat diakses di manapun dan kapanpun. Dengan adanya aplikasi ini diharapkan dapat mempermudah dan membantu pasien dalam menjalani isolasi mandiri dan petugas kesehatan yang melakukan pemantuan.Penyakit Coronavirus 2019 (Covid-19) merupakan penyakit infeksi virus SARS-CoV-2 yang mempengaruhi sistem pernapasan pada tubuh manusia dan dapat menular. Kasus Covid-19 di Indonesia semakin meningkat dari waktu ke waktu sehingga membutuhkan perhatian secara khusus. Pada kasus pasien yang terkonfirmasi “Tanpa Gejala” dan “Gejala Ringan” maka pasien tersebut harus melakukan isolasi mandiri di rumah. Pasien yang melakukan isolasi mandiri tersebut harus dipantau oleh petugas kesehatan melalui telepon. Hal ini menimbulkan masalah baru dikarenakan jumlah petugas yang terbatas untuk melakukan pemantauan pada pasien. Dari permasalahan tersebut, penulis membuat penelitian yang menghasilkan sebuah aplikasi Jurnal Harian Pasien Covid-19 untuk Pemantauan Isolasi mandiri (PISOM)”. Adapun tujuan dari aplikasi ini adalah untuk membantu petugas kesehatan dalam memantau pasien yang melakukan isolasi mandiri di rumah dan diharapkan data yang dihasilkan dapat dijadikan bahan penelitian lebih lanjut oleh pihak-pihak terkait. Aplikasi ini berbasis sistem operasi Android pada pasien dan web pada petugas kesehatan sehingga dapat mempermudah para pengguna dalam pengoperasian dan dapat diakses di manapun dan kapanpun. Dengan adanya aplikasi ini diharapkan dapat mempermudah dan membantu pasien dalam menjalani isolasi mandiri dan petugas kesehatan yang melakukan pemantuan. AbstractCoronavirus disease 2019 (Covid-19) is an infectious disease, caused by the SARS-CoV-2 virus which affects the respiratory system in the human body and can result in death. Hundreds of millions of cases have been reported in different countries and regions. Since March 2020 the Indonesian government has declared Covid-19 a national disaster. "Asymptomatic" and "mild" Covid-19 patients are required to self-isolate at home and monitored by health workers by telephone. Due to the limited number of health workers and facilities and infrastructure. The author made a study that aims to assist health workers in monitoring Covid-19 patients who are self-isolating at home. By using the waterfall method, an application "Covid-19 Patient Daily Journal Application for Self-Isolation Monitoring (PISOM)" was produced. This application is tested with Usability Testing using the System Usability Scale (SUS) method, assessment result for this application is at Grade B, in this case the PISOM application can be used as a supporting tool to help health workers monitor Covid-19 patients who are self-isolating at home
Teknik Identifikasi Fitur Berdasarkan Kalimat Pernyataan Kebutuhan dalam Konteks Pengembangan Software Product Line
Get PDFSoftware product line (SPL) adalah konsep software reuse di bidang industri perangkat lunak yang memiliki fase awal berupa domain engineering untuk mengidentifikasi dan memetakan fitur-fitur dari sekumpulan produk perangkat lunak yang akan dikembangkan. Fitur perangkat lunak sering kali diekspresikan secara eksplisit dalam kalimat pernyataan kebutuhan yang ada pada dokumen spesifikasi kebutuhan perangkat lunak (SRS). Saat ini, penelitian tentang otomatisasi identifikasi fitur perangkat lunak berdasarkan dokumen spesifikasi kebutuhan telah banyak diusulkan dengan berbagai metode, namun hasil yang diperoleh kebanyakan adalah kata benda yang dianggap sebagai kandidat fitur. Representasi fitur dengan kata benda dianggap masih terlalu abstrak dan tidak mewakili konsep fitur sebagai kemampuan atau fungsionalitas suatu perangkat lunak. Dalam penelitian ini, identifikasi fitur yang direpresentasikan dengan frasa gabungan kata kerja dan kata benda diusulkan karena dianggap lebih menjelaskan kemampuan dan fungsionalitas dari suatu perangkat lunak. Pola penulisan kalimat pernyataan kebutuhan dengan requirement boilerplate dimanfaatkan sebagai dasar identifikasi fitur perangkat lunak secara otomatis dengan menggunakan alat bantu pemrosesan bahasa natural atau NLP (natural language processing). Dalam penelitian ini diusulkan 4 (empat) aturan dependency parser, yang merupakan salah satu pipeline dalam NLP. Tingkat keberhasilan metode pada penelitian ini adalah antara 65% sampai dengan 88% untuk 5 kelompok kalimat pernyataan kebutuhan yang diujikan. Hasil tersebut menunjukkan bahwa metode yang diusulkan pada penelitian ini bisa mengautomasi proses identifikasi fitur pada tahapan domain engineering dalam pengembangan software product line khususnya yang menggunakan metode ekstraktif.AbstractSoftware product line (SPL) is a software reuse concept in the software industry that has an initial phase of domain engineering to identify and map the features of a set of software products to be developed. Software features are often expressed explicitly in the requirement sentences contained in the software requirements specification (SRS) document. Currently, research on the automation of software feature identification based on requirements specification documents has been proposed by various methods, but the results obtained are mostly nouns that are considered feature candidates. Representation of features with nouns is considered too abstract and does not represent the concept of features as capabilities or functionality of the software. In this study, the identification of features represented by combined phrases of verbs and nouns is proposed because it is considered to better explain the capabilities and functionality of software. The pattern of writing a requirement sentence with boilerplate requirements is used as the basis for automatically identifying software features using natural language processing (NLP) tools. In this research, 4 (four) dependency parser rules are proposed, which is one of the pipelines in NLP. The success rate of the method in this study is between 65% to 88% for the 5 groups of sentences that were tested. These results indicate that the method proposed in this study can automate the feature identification process at the domain engineering stage in product line software development, especially those using extractive methods
Perancangan Data Warehouse Untuk Menunjang Akreditasi Program Studi
Get PDFAkreditasi diperlukan oleh setiap perguruan tinggi sebagai bentuk pengakuan mutu dari pihak eksternal. Dalam proses akreditasi diperlukan data untuk mengisi formulir sesuai dengan standar yang diperlukan. Permasalahannya adalah perguruan tinggi tersebut biasanya memiliki beberapa aplikasi dengan media penyimpanan data yang beragam untuk menjalankan proses bisnis perguruan tinggi tersebut. Akibatnya, dalam penyediaan data untuk proses akreditasi masih dilakukan secara manual dengan mengambil dari berbagai sumber dari berbagai aplikasi sehingga akan memakan waktu yang lama. Diperlukan Data Warehouse untuk melakukan integrasi data sehingga dapat membantu mengelola data untuk menunjang proses akreditasi. Pada penelitian ini digunakan pendekatan Kimball untuk merancang skema data warehouse dalam menunjang akreditasi program studi. AbstractAccreditation is required by every university as a form of quality assessment from external parties. In the accreditation process, data is required to fill out forms according to the required standards. In addition, these colleges usually have several applications with various data storage to carry out the college\u27s business processes. As a result, the provision of data for the accreditation process is manually by taking from various sources from various existing applications so that it will take a long time. Data Warehouse is required to integrate data so that it can help manage data so that it supports the accreditation process. In this study, the Kimball approach was used to design a data warehouse scheme to support the accreditation of the study program
Rancang Bangun Aplikasi Berbasis Android untuk Perbaikan Kualitas Citra Tanaman Atas Perbedaan Spesifikasi Kamera Smartphone pada Prediksi Kandungan Pigmen Fotosintesis Secara Real-Time
Get PDFPigmen utama yang berperan penting pada fotosintesis, yaitu klorofil, karotenoid dan antosianin dapat dianalisis kandungannya untuk menentukan status kesehatan tanaman. Metode analisis kandungan pigmen yang dilakukan secara destruktif memerlukan penanganan khusus dan biaya yang tinggi. Fuzzy Piction adalah aplikasi Android yang telah dikembangkan sebelumnya untuk prediksi kandungan pigmen utama pada tanaman. Aplikasi tersebut mempunyai kemampuan untuk melakukan prediksi kandungan pigmen pada citra daun secara non-destruktif dengan menggunakan model Convolutional Neural Network (CNN) FP3Net. Namun, Fuzzy Piction masih belum invarian terhadap perbedaan kualitas citra yang dapat terjadi karena perbedaan kualitas atau spesifikasi kamera smartphone. Hal ini ditunjukkan dengan adanya perbedaan hasil prediksi kandungan pigmen pada beberapa smartphone untuk objek daun yang sama. Pada penelitian ini dikembangkan metode perbaikan citra dengan algoritma Partial Least Square Regression (PLSR) sebagai solusi atas permasalahan tersebut. Dengan penambahan metode perbaikan citra, aplikasi Fuzzy Piction dapat memberikan prediksi kandungan pigmen dengan tingkat presisi yang lebih baik. Aplikasi Fuzzy Piction difasilitasi dengan layanan cloud yang dikembangkan menggunakan Flask web service sehingga model perbaikan citra dan prediksi pigmen lebih mudah diperbarui. Hasil perbaikan warna oleh PLSR berhasil menyeragamkan warna citra serta dapat memberikan hasil prediksi kandungan pigmen dengan standar deviasi yang lebih kecil. Variasi prediksi kandungan pigmen dengan 3 jenis smartphone yang berbeda pada objek daun yang sama dapat diturunkan sebesar 87% setelah citra asal diperbaiki dengan PLSR.AbstractChlorophyll, carotenoids, and anthocyanins are three main pigments that are important for photosynthesis process. Its content can be examined to determine the status of plants health. The destructive approach of evaluating pigment content is expensive and necessitates specialized handling. An Android based application called Fuzzy Piction could predict the content of those pigments nondestructively using the FP3Net, a Convolutional Neural Network (CNN) model. This application predicts the pigment content in plant leaf by its digital images. However, Fuzzy Piction is still not invariant to differences in image quality that can occur due to differences in smartphone camera specifications. This is indicated by the difference in the prediction results of the pigment content on several smartphones for the same leaf object. Therefore, the Partial Least Square Regression (PLSR) technique was used in this work as an image enhancement method to resolve the issue. Eventually, Fuzzy Piction may provide precise predictions of pigment content by embedding PLSR in it. A cloud service made with the Flask web service makes it easy to update the image enhancement and pigment prediction models for the Fuzzy Piction application. The results of color correction by PLSR succeeded in uniforming the color of the image and could provide predictive results of pigment content with a smaller standard deviation. The variation of pigment content prediction with 3 different smartphone types on the same leaf object can be reduced by 87% after the original image is corrected with PLSR