IJCCS (Indonesian Journal of Computing and Cybernetics Systems)
Not a member yet
480 research outputs found
Sort by
Sistem Evaluasi Kelayakan Mahasiswa MagangMenggunakan Elman Recurrent Neural Network
Get PDFAbstrakJaringan Syaraf Tiruan (JST) dapat digunakan untuk memecahkan permasalahan tertentu seperti prediksi, klasifikasi, pengolahan data, dan robotik.Berdasarkan paparan tersebut, sehingga dalam penelitian ini mencoba menerapkan JST untuk menangani permasalahan dalam program magang yang sedang dihadapi dalam upaya untuk meningkatkan kompetensi, pengalaman, serta melatih softskill mahasiswa.Sistem yang dikembangkan dapat digunakan untuk mengevaluasi kelayakan mahasiswa dalam program magang ke luar daerah dengan menerapkan Elman Recurrent Neural Network (ERNN), sehingga dapat memberikan informasi yang akurat kepada pihak jurusan untuk menentukan keputusan yang tepat.Struktur Elman dipilih karena dapat membuat iterasi jauh lebih cepat sehingga memudahkan proses konvergensi. Adapun metode pembelajaran yang digunakan adalah Backpropagation ThroughTime dengan model epochwise training mode. Sistem diimplementasikan dengan menggunakan bahasa pemrograman C# dengan basis data MySQL. Vektor input yang digunakan terdiri dari 11 variabel. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan akan cepat mengalami konvergen dan mampu mencapai nilai error paling optimal (minimum error) apabila menggunakan 1 hidden layer dengan jumlah neuron 20 unit. Akurasi terbaik dapat diperoleh dengan menggunakan LR sebesar 0.01 dan momentum 0.85 dimana akurasi rata-rata dalam pengujian mencapai 87.50%. Kata kunci—Evaluasi, Kelayakan, Jaringan Syaraf Tiruan (JST), Elman Recurrent Neural Network, Magang Abstract Artificial Neural Network (ANN) can be used to solve specific problems such as prediction, classification, data processing, and robotics. Based on the exposure, so in this study tried to apply neural networks to handle problems in apprentice program facing in an effort to increase the competence, experience and soft skills training students. The system developed can be used to evaluate the students in the apprentice program to other regions by applying the Elman Recurrent Neural Network (ERNN), so it can provide accurate information to the department to determine appropriate decisions. Elman structure was chosen because it can be create much more rapidly iterations so as to facilitate the convergence process. The learning method used is Backpropagation Through Time with model epochwise training mode. The system is implemented using the C # programming language with a MySQL database. Input vector used consists of 11 variables. The results showed that the developed system will rapidly converge and can reach optimal error value (minimum error) when using one hidden layer with 20 units number of neurons. Best accuracy can be obtained using the LR of 0.01 and momentum 0.85 which average accuracy reaches 87.50% in testing. Keywords—Evaluation, Feasibility, Artificial Neural Network (ANN), Elman Recurrent Neural Network, Apprenticeshi
Sistem Pendukung Keputusan Penentuan Pemenang Tender Pekerjaan Konstruksi dengan Metode Fuzzy AHP
Get PDFAbstrakPengambilan keputusan dalam penentuan pemenang tender pekerjaan konstruksi (tidak kompleks) pada pembangunan gedung kuliah Fakultas Ekonomi Univesitas Udayana (UNUD) oleh panitia tender di Bagian Perlengkapan Rektorat UNUD masih dilakukan secara manual (dengan software Microsoft Excel dan Word), sehingga untuk membantu dan mempercepat pengambilan keputusan tersebut (dalam situasi beberapa/banyak peserta tender memenuhi semua evaluasi kriteria dan memiliki harga penawaran terkoreksi terendah yang sama di bawah HPS) maka penelitian ini bertujuan untuk membangun SPK (Sistem Pendukung Keputusan) dengan metode Fuzzy AHP. Versi Fuzzy AHP yang dipakai adalah model Chang (1992) karena memiliki langkah-langkah sederhana dan mudah diaplikasikan pada penelitian ini. Hasil penelitian menunjukkan bahwa SPK yang dibangun menghasilkan perangkingan peserta 1, 2, dan 3 yang sama dengan sistem manual yang ada di Bagian Perlengkapan Rektorat UNUD, meskipun perangkingan 4, 5, 6 yang juga dihasilkan SPK ini tidak ada di sistem manual karena perangkingan 4, 5, 6 tidak memenuhi evaluasi kriteria kualifikasi (syarat untuk lulus tender adalah memenuhi semua evaluasi kriteria). Maka disimpulkan bahwa SPK yang dibangun menghasillkan informasi yang valid. Kata kunci— sistem pendukung keputusan, fuzzy AHP, tender, pekerjaan konstruksi AbstractDecision-making to determine the winner of project tender (not complex one) on the construction of college buildings for Economics Faculty of Udayana University by tender committee at the Rectorate Equipment Section of Udayana University, still is carried out manually (applying Microsoft Excel and Word), so to assist and accelerate the decision (in this situation a few/many bidders met all evaluation criteria and have the same lowest bidding price corrected under HPS), this study aims to build a DSS (Decision Supporting System) with Fuzzy AHP method. The applied Fuzzy AHP version is Chang model (1992) because it has simple steps and easy to apply in this study. The results showed that SPK produced ranking method of 1, 2, and 3 that are similar to the existing manual system in Equipment Section of the Rectorate, though the ranking method of 4, 5, 6, which also produced by SPK, is not contained in the manual system because ranking method of 4, 5, 6 did not meet the qualifying criteria evaluation (a requirement for graduation is to fulfill all tender evaluation criteria). It, therefore, comes to conclude that the DSS produce valid information. Keywords— decision supporting system, fuzzy AHP, tender, construction projec
Penerapan Metode Support Vector Machine pada Sistem Deteksi Intrusi secara Real-time
Get PDFAbstrakSistem deteksi intrusi adalah sebuah sistem yang dapat mendeteksi serangan atau intrusi dalam sebuah jaringan atau sistem komputer, umum pendeteksian intrusi dilakukan dengan membandingkan pola lalu lintas jaringan dengan pola serangan yang diketahui atau mencari pola tidak normal dari lalu lintas jaringan. Pertumbuhan aktivitas internet meningkatkan jumlah paket data yang harus dianalisis untuk membangun pola serangan ataupun normal, situasi ini menyebabkan kemungkinan bahwa sistem tidak dapat mendeteksi serangan dengan teknik yang baru, sehingga dibutuhkan sebuah sistem yang dapat membangun pola atau model secara otomatis.Penelitian ini memiliki tujuan untuk membangun sistem deteksi intrusi dengan kemampuan membuat sebuah model secara otomatis dan dapat mendeteksi intrusi dalam lingkungan real-time, dengan menggunakan metode support vector machine sebagai salah satu metode data mining untuk mengklasifikasikan audit data lalu lintas jaringan dalam 3 kelas, yaitu: normal, probe, dan DoS. Data audit dibuat dari preprocessing rekaman paket data jaringan yang dihasilkan oleh Tshark.Berdasar hasil pengujian, sistem dapat membantu sistem administrator untuk membangun model atau pola secara otomatis dengan tingkat akurasi dan deteksi serangan yang tinggi serta tingkat false positive yang rendah. Sistem juga dapat berjalan pada lingkungan real-time. Kata kunci— deteksi intrusi, klasifikasi, preprocessing, support vector machine AbstractIntrusion detection system is a system for detecting attacks or intrusions in a network or computer system, generally intrusion detection is done with comparing network traffic pattern with known attack pattern or with finding unnormal pattern of network traffic. The raise of internet activity has increase the number of packet data that must be analyzed for build the attack or normal pattern, this situation led to the possibility that the system can not detect the intrusion with a new technique, so it needs a system that can automaticaly build a pattern or model.This research have a goal to build an intrusion detection system with ability to create a model automaticaly and can detect the intrusion in real-time environment with using support vector machine method as a one of data mining method for classifying network traffic audit data in 3 classes, namely: normal, probe, and DoS. Audit data was established from preprocessing of network packet capture files that obtained from Tshark. Based on the test result, the system can help system administrator to build a model or pattern automaticaly with high accuracy, high attack detection rate, and low false positive rate. The system also can run in real-time environment. Keywords— intrusion detection, classification, preprocessing, support vector machin
Penyembunyian Data pada File Video Menggunakan Metode LSB dan DCT
Get PDFAbstrakPenyembunyian data pada file video dikenal dengan istilah steganografi video. Metode steganografi yang dikenal diantaranya metode Least Significant Bit (LSB) dan Discrete Cosine Transform (DCT). Dalam penelitian ini dilakukan penyembunyian data pada file video dengan menggunakan metode LSB, metode DCT, dan gabungan metode LSB-DCT. Sedangkan kualitas file video yang dihasilkan setelah penyisipan dihitung dengan menggunakan Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR).Uji eksperimen dilakukan berdasarkan ukuran file video, ukuran file berkas rahasia yang disisipkan, dan resolusi video.Hasil pengujian menunjukkan tingkat keberhasilan steganografi video dengan menggunakan metode LSB adalah 38%, metode DCT adalah 90%, dan gabungan metode LSB-DCT adalah 64%. Sedangkan hasil perhitungan MSE, nilai MSE metode DCT paling rendah dibandingkan metode LSB dan gabungan metode LSB-DCT. Sedangkan metode LSB-DCT mempunyai nilai yang lebih kecil dibandingkan metode LSB. Pada pengujian PSNR diperoleh databahwa nilai PSNR metode DCTlebih tinggi dibandingkan metode LSB dan gabungan metode LSB-DCT. Sedangkan nilai PSNR metode gabungan LSB-DCT lebih tinggi dibandingkan metode LSB. Kata Kunci—Steganografi, Video, Least Significant Bit (LSB), Discrete Cosine Transform (DCT), Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR) AbstractHiding data in video files is known as video steganography. Some of the well known steganography methods areLeast Significant Bit (LSB) and Discrete Cosine Transform (DCT) method. In this research, data will be hidden on the video file with LSB method, DCT method, and the combined method of LSB-DCT. While the quality result of video file after insertion is calculated using the Mean Square Error (MSE) and Peak Signal to Noise Ratio (PSNR). The experiments were conducted based on the size of the video file, the file size of the inserted secret files, and video resolution.The test results showed that the success rate of the video steganography using LSB method was 38%, DCT method was 90%, and the combined method of LSB-DCT was 64%. While the calculation of MSE, the MSE method DCT lower than the combined method of LSB and LSB-DCT method. While LSB-DCT method has asmaller value than the LSB method. The PNSR experiment showed that the DCT method PSNR value is higher than the combined method of LSB and LSB-DCT method. While PSNR combined method LSB-DCT higher compared LSB method. Keywords—Steganography, Video, Least Significant Bit (LSB), Discrete Cosine Transform (DCT), Mean Square Error (MSE), Peak Signal to Noise Ratio (PSNR
Aplikasi Algoritma CBA untuk Klasifikasi Resiko Pemberian Kredit (Studi kasus: PT. Telkom CDC Sub Area Kupang)
Get PDFAbstrakSalah satu penyebab kredit bermasalahberasal dari pihak internal, yaitu kurang telitinya timdalam melakukan survei dan analisis, atau bisa juga karena penilaian dan analisis yang bersifat subjektif.Penyebab ini dapat diatasi dengan sistem komputer, yaitu aplikasi komputer yang menggunakan teknik data mining.Teknik data mining digunakan dalam penelitian ini untuk klasifikasi resiko pemberian kredit dengan menerapkan algoritma Classification Based On Association (CBA). Algoritma ini merupakan salah satu algoritma klasifikasi dalam data mining yang mengintegrasikan teknik asosiasi dan klasifikasi. Data kredit awal yang telah di-preprocessing, diproses menggunakan algoritma CBA untuk membangun model, lalu model tersebut digunakan untuk mengklasifikasi data pelaku usaha baru yang mengajukan kredit ke dalam kelas lancar atau macet.Teknik Pengujian akurasi model diukur menggunakan 10-fold cross validation. Hasil pengujian menunjukkan bahwa rata-rata nilai akurasi menggunakan algoritma CBA (57,86%), sedikit lebih tinggi dibandingkan rata-rata nilai akurasi menggunakan algoritma Naive Bayes dan SVM dari perangkat lunak Rapid Miner 5.3 (56,35% dan 55,03%). Kata kunci—classification based on association, CBA, data mining, klasifikasi, resiko pemberian kredit AbstractOne of the causes of non-performing loans come from the internal, that is caused by a lack of rigorous team in conducting the survey and analysis, or it could be due to subjective evaluation and analysis. The cause of this can be solved by a computer system, the computer application that uses data mining techniques. Data mining technique, was usedin this study toclassifycreditriskby applyingalgorithmsClassificationBasedonAssociation(CBA). This algorithm is an algorithm classification of data mining which integratingassociationandclassificationtechniques. Preprocessed initial-credit data, will be processed using theCBAalgorithmto create a model of which is toclassifythe newloandata into swift class or bad one. Testing techniques the accuracy of the model was measured by 10-fold cross validation. The resultshowsthatthe accuracy averagevalue using theCBAalgorithm(57,86%), was slightly higher than those using thealgorithmsofSVM andNaiveBayes from RapidMiner5.3software(56,35% and55,03%, respectively). Keywords—classification based on association, CBA, data mining, classification, credit risk
Aplikasi Deteksi Dini Defisiensi Mineral Mikro pada Manusia Berbasis Web
Get PDFAbstrakKekurangan gizi menjadi salah satu masalah yang dialami oleh masyarakat Indonesia, khususnya defisiensi mineral mikro. Pada dasarnya hal ini dikarenakan kurangnya pemahaman masyarakat akan pentingnya pola konsumsi makanan seimbang serta kemiskinan yang dialami oleh sebagian masyarakat sehingga mereka sulit memenuhi asupan gizi setiap hari dan sulit menemui seorang ahli atau dokter gizi. Hal ini dapat diatasi melalui pembuatan sebuah aplikasi berbasis web yang mampu mendeteksi defisiensi mineral mikro pada manusia secara dini, serta memberikan saran untuk mengatasi defisiensi tersebut. Aplikasi ini menggunakan sekumpulan data sebagai basis pengetahuan yang diperoleh dari studi pustaka dan diskusi dengan pakar gizi. Pengetahuan direpresentasikan dalam bentuk rule-based system dan diolah dengan metode forward chaining.Aplikasi ini dapat diakses dan digunakan oleh pengguna melalui internet. Pembuatan aplikasi ini dapat membantu masyarakat dalam menyadari pentingnya asupan mineral mikro dalam tubuh dan juga mendorong mereka untuk memiliki kebiasaan hidup yang sehat. Kata kunci— gizi, mineral, aplikasi web, rule-based, forward chaining. Abstract Malnutrition is the one of the Indonesian society issues, especially micro mineral deficiency. Basically, this is due to a lack of society understanding of the importance of balanced food consumtion patterns and poverty factor in Indonesia so that they are difficult to fulfill the daily nutritional intake and also difficult to meet a doctor or nutrition expert. This can be overcome through the creating of a web-based application which can detecting micro mineral deficiency in the human body at the early stage, as well as providing suggestions to overcome those deficiency. This application uses a set of data as a knowledge base which obtained from the literature and discussions with nutritional experts. The knowledge is represented with a rule-based system and processed with forward chaining method.This application can be accessed and used by users via internet. This application can helps the society to realize the importance of micro mineral intake and also encourage them to have healthy life habits. Keywords— nutrient, mineral, web application, rule-based, forward chaining
Perbandingan Ekstraksi Ciri Full, Blocks, dan Row Mean Spectrogram Image Dalam Mengidentifikasi Pembicara
Get PDFAbstrakPada sebuah sistem recognition, pemilihan metode ekstraksi ciri dan ukuran fitur yang digunakan mempengaruhi tingkat keakuratan identifikasi. Berkaitan dengan hal itu, dalam penelitian ini akan dijabarkan perbandingan tiga metode ekstraksi ciri CBIR yaitu row mean image, full image, dan blocks image. Ketiga metode tersebut digunakan untuk mengidentifikasi pembicara dengan menitikberatkan pada ukuran selection feature vector yang digunakan.Data suara diperoleh dari rekaman suara menggunakan handphone. Rekaman suara berasal dari 10 orang narasumber dengan rincian 5 pria dan 5 wanita. Setiap narasumber mengucapkan lima buah kalimat yaitu Selamat Pagi, Selamat Siang, Selamat Sore, Selamat Malam, dan Dengan Siapa serta diulangi delapan kali tiap kalimat.Karena menerapkan metode CBIR maka rekaman suara yang berbentuk sinyal dikonversi menjadi image spectrogram menggunakan STFT. Kemudian spectrogram diimplementasikan ke kekre transform lalu diekstrasi cirinya. Penggunaan kekre transform bertujuan untuk menyeleksi dan mengambil kemungkinan-kemungkinan fitur yang optimal serta juga meringankan proses komputasi.Menggunakan data reference 250 image spectrogram dan data testing 150 image spectrogram memberikan hasil bahwa metode ekstraksi ciri full image memperoleh persentase identifikasi lebih tinggi yaitu 93,3% dengan ukuran fitur 32x32. Kata kunci— Identifikasi pembicara, Spektrogram, Transformasi kekre, Full image, Blocks Image, Row mean image AbstractOn a system of recognition, selection feature extraction method and feature size are used in identification affects identication rate. In that regard, this study will presents comparison three feature extraction methods namely row mean image, full image, and blocks image. The third method used to identify the speaker with a focus on the size selection feature vector are used. Sound data obtained from the mobile phone voice recording. Sound recording derived from 10 speakers consisting of 5 men and 5 women. Every speakers pronounce five sentences are Selamat Pagi, Selamat Siang, Selamat Sore, Selamat Malam, and Dengan siapa as well as repeated eight times.Because applying CBIR methods then the sound recording signal is converted into an image spectrogram using STFT. Spectrogram is formed implemented in kekre transform to extract feature. Using kekre transform aims to select and take the possibilities optimal feature also relieves the computing process.Using reference data 250 spectrogram and testing data 150 spectrogram produces results that the full image feature extraction methods obtain a higher percentage identification rate is 93,3% with a feature size of 32x32. Keywords— Speaker identification, Spectrogram, Kekre Transform, Full Image, Blocks Image, Row Mean Imag
Perbandingan Mother Wavelet dalam Proses Denoising pada Suara
Get PDFAbstrakTransformasi Wavelet telah digunakan dalam proses denoising pada suara dengan tujuan untuk meningkatkan kualitas dari rekaman suara yang tercampur dengan derau. Jenis-jenis derau yang terlibat antara lain White Gaussian Noise (WGN), White Uniform Noise (WUN) dan Colored Noise. Dalam penelitian ini dilakukan perbandingan terhadap beberapa mother wavelet, diantaranya Daubechies, Coiflet dan Symlet, dalam proses denoising pada sinyal suara yang diberikan WGN, WUN dan Colored Noise. Metode thresholding yang digunakan dalam proses denoising adalah Soft Thresholding dan nilai threshold berupa Time-Adapted Threshold (TAT) yang diperoleh dengan melakukan estimasi energi untuk membangun sinyal melalui Teager Energy Operator (TEO). Pengujian untuk mendapatkan mother wavelet terbaik dilakukan menggunakan uji Kruskal-Wallis yang dilanjutkan dengan uji Mann-Whitney. Hasil yang diperoleh menunjukkan bahwa Db20, Db30, Db40 dan Coif5 merupakan mother wavelet yang baik untuk mereduksi WGN;Db40, Db20 dan Db30 merupakan mother wavelet yang baik untuk mereduksi WUN dan untuk mereduksi Colored Noise, dapat menggunakan beberapa mother wavelet dalam penelitian ini, kecuali Db30 dan Db40. Kata kunci—Mother wavelet, denoising, sinyal suara, TAT, Soft Thresholding. AbstractWavelet Transform was used in denoising process on speech to enhance the quality of speech that courrupted by noise. The kinds of involved noises are White Gaussian Noise (WGN), White Uniform Noise (WUN) and Colored Noise. In this research, the comparison of mother wavelet is performed among Daubechies, Coiflet and Symlet, in denoising process on speech which given by WGN, WUN and Colored Noise. The thresholding method is used in denoising process is Soft Thresholding and threshold value is Time Adapted Threshold (TAT) which obtained by estimating the power for building the signal through Teager Energy Operator (TEO). The testing for obtaining the best moher wavelet is using Kruskal-Wallis test and followed by Mann-Whitney test. The result shows that Db20, Db30, Db40 and Coif5 mother wavelets are better than others to reduce WGN; Db40, Db20 dan Db30mother waveletsare better then the other to reduce WUN and to reduce Colored Noise can use some mother wavelets in this research, except Db30 and Db40. Keywords—Mother wavelet, denoising, speech signal, TAT, Soft Thresholdin
Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
Get PDFAbstrakMasalah peramalan adalah masalah yang sering ditemukan dalam proses pengambilan keputusan. Tool yang cukup populer untuk menangani masalah peramalan adalah jaringan syaraf tiruan. Jaringan syaraf tiruan banyak digunakan karena kemampuannya untuk meramalkan data nonlinear time series. Algoritma pembelajaran yang sering digunakan untuk memperbaiki bobot pada jaringan syaraf tiruan adalah backpropagation. Namun proses pembelajaran backpropagation terkadang menemui kendala seperti over fiting sehingga tidak dapat menggeneralisasi masalah. Untuk mengatasi masalah tersebut diusulkan penggunaan particle swarm optimization untuk melatih bobot pada jaringan. Performa dari masing-masing model akan diukur dengan mean square error, mean absolute percentage error, normalized mean square error, prediction of change in direction, average relative variance. Untuk keperluan analisis model digunakan data time series inflasi di indonesia. Metode yang diusulkan menunjukan sistem jaringan hybrid mampu menangani masalah peramalan data time series dengan performa mendekati jaringan syaraf tiruan backpropagation.. Kata kunci—jaringan syaraf tiruan, particle swarm optimization, prediction of change in direction, average relative variance . AbstractForecasting problem is common problem that easily found in decision making process. The popular tool to handle that problem is artificial neural network. Artificial neural network have been widely use because its ability to forecast nonlinear time series data. The learning method that have been widely use to train artificial neural network weight is backpropagation. Otherwise backpropagation learning process sometimes find problem such as over fiting so it can’t generalized the problem. Particle swarm optimization method had been proposed to train artificial neural network weigth. Mean square error, mean absolute percentage error, normalized mean square error, prediction of change in direction, average relative variance had been use to measures the model performance. Indonesia inflation time series data had been use to analyzed the model. The proposed method show that hybrid system could handle the time series forecasting problem as good as backpropagation artificial neural network Keywords—artificial neural network, particle swarm optimization, prediction of change in direction, average relative variance
Peramalan KLBCampakMenggunakanGabunganMetode JST Backpropagationdan CART
Get PDFForecasting Measles Outbreak in an area is necessary because to prevent widespread occurrence in an area. One way that is done in this study is to predict the incidence of measles by using a combination of backpropagation ANN and CART. Backpropagation ANN is used to predict the incidence of measles periodic data, then the CART method used to perform the determination of an outbreak or non-outbreak area.Backpropagation neural network is one of the most commonly used methods for forecasting which can result in a better level of accuracy than other ANN methods. While the methods of CART is a binary tree method is also popular for the classification, which can produce models or classification rules.Results of this study show that the number of the best window for backpropagation neural network to forecast the outcome affect forecasting accuracy. Determination of the number of windows of a backpropagation neural network forecasting on each attribute gives different results and directly affects the forecasting results. ANN can do the forecasting in time series using siliding window with accuracy 90.01% and then CART method can be use for classification with accuracy 83.33%