Article Per Year (5 Year)
p-Index From 2019 - 2024
4.763
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer Techno.Com: Jurnal Teknologi Informasi Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Sains dan Informatika Matrix : Jurnal Manajemen Teknologi dan Informatika Jurnal Teknoinfo Jurnal Sisfokom (Sistem Informasi dan Komputer) Compiler KACANEGARA Jurnal Pengabdian pada Masyarakat Matrik : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer INTEK: Informatika dan Teknologi Informasi Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JTT (Jurnal Teknologi Terapan) jurnal teknik informatika dan sistem informasi JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) JISKa (Jurnal Informatika Sunan Kalijaga) JTIM : Jurnal Teknologi Informasi dan Multimedia Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi) Jurnal Mnemonic JISA (Jurnal Informatika dan Sains) JOURNAL OF INFORMATION SYSTEM MANAGEMENT (JOISM) Didaktikum Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Journal of Engineering and Applied Technology KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Saintekom : Sains, Teknologi, Komputer dan Manajemen JUSTIN (Jurnal Sistem dan Teknologi Informasi) Prosiding University Research Colloquium Jurnal Indonesia : Manajemen Informatika dan Komunikasi
Arief Hermawan
Universitas Teknologi Yogyakarta
Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
PENGEMBANGAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA STEEPEST ASCENT HILL CLIMBING Saifullah, Shoffan; Hermawan, Arief
Jurnal Sistem Komputer Vol 6, No 2 (2016)
Publisher : Jurnal Sistem Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jsk.v6i2.113

Abstract

University of Technology Yogyakarta is a private university in Yogyakarta, it has several purposes, one of them is utilizing the maximum potential of technology to improve the effectiveness and efficiency of learning and dissemination of science and technology. One of the factors that can improve academic services are scheduling courses. Scheduling proses isn’t easy because they have to consider the possibility in scheduling, include subjects, times, lecturers, and lecture halls. Now, subject scheduling is still using Ms. Excel, the process is to input lecturer’s name one by one, to teach to the prescribed schedule and also to check whether the data is conflicting or not, so it takes long time. Therefore, we need a system that is able to perform scheduling more quickly, effectively and optimally. Subject scheduling system can be done by using the optimization system. For the case of optimization can be done using the steepest ascent hill climbing algorithm. Steepest ascent hill climbing algorithm is a search algorithm (heuristic), it is able to solve the problems of optimization with estimates to be produced in accordance with the desired criteria or rules. Subject scheduling process produces a schedule that takes less time compared to a system that is currently running. Although it is able to minimize the level of clashing schedules, its application needs to be re-checked on the level of conflicting schedules.
EFEKTIFITAS METODE PENGAJARAN JARINGAN KOMPUTER BERBASIS OPEN COURSWARE Widodo, Tri; Hermawan, Arief
Didaktikum Vol 17, No 1 (2016): Januari 2016
Publisher : Didaktikum

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Mata kuliah jaringan komputer selain diajarkan secara teori, juga ditunjang dengan adanya praktikum. Dengan pembelajaran teori di kelas dan praktikum pun terkadang mahasiswa masih kesulitan memahami materi. Dosen dituntut untuk selalu berinovasi dalam metode pengajaran dan media pengajaran. Penggunaan Open Courseware merupakan salah satu alternatif metode pengajaran jaringan komputer.Pada penelitian ini akan diuji efektifitas penggunaan metode Open Courseware dalam pengajaran jaringan komputer. populasi penelitian merupakan mahasiswa Prodi Pendidikan Teknologi Informasi Universitas Teknologi Yogyakarta dengan metode pemilihan purposive sampling, yaitu sampel merupakan mahasiswa semester 3 yang sedang mengambil mata kuliah jaringan komputer dengan jumlah 16 orang. Metode analisis data pada penelitian ini adalah uji t sampel berpasangan dengan data pre-test dan post-test. Setelah dilakukan pengujian dan analisis diperoleh nilai korelasi sebesar 0,723 dan nilai sig. 0,02, sehingga metode pengajaran berbasis Open Courseware ini memiliki sumbangsih dalam peningkatan pemahaman mahasiswa untuk mata kuliah jaringan komputer sebesar 52% dan efektif untuk digunakan sebagai metode pengajaran.
Sistem Penjadwalan Kuliah Berbasis Click and Drag (Studi Kasus di Fakultas Sains & Teknologi Universitas Teknologi Yogyakarta) Saifullah, Shoffan; Hermawan, Arief
Jurnal Teknik Informatika dan Sistem Informasi Vol 3 No 1 (2017): JuTISI
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v3i1.652

Abstract

Utilization of technology in education is very important, especially at the University of Technology in Yogyakarta, which is one of the private universities in Yogyakarta with several objectives, one which is utilizing the maximum potential of technology to improve the effectiveness and efficiency of learning and dissemination of science and technology. One factor that can improve academic services are scheduling a lecture. Making a schedule of lectures is not an activity that is easy to do, because in doing scheduling not only arrange the schedule between subjects, time, lecturers and rooms. College scheduling systems currently running is less effective, because it requires a long time, and often clashes at student schedules. In this research, system development, scheduling lectures at the Faculty of Science and Technology, University of Technology Yogyakarta, where the scheduling system, click and drag more easily and to minimize clashes class schedules.
FAKTOR-FAKTOR PENENTU GEJALA PENYAKIT KANKER PAYUDARA DENGAN PENDEKATAN JARINGAN SARAF TIRUAN Gunawan Wibisono; Arief Hermawan
JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer) Vol 1, No 1 (2019): Vol 1, No 1 (2019): Juni 2019
Publisher : Universitas Merdeka Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26905/jasiek.v1i1.3098

Abstract

Kanker Payudara adalah salah satu penyakit yang menjadi momok bagi kaum wanita. Kanker payudara juga menyerang kaum pria akan tetapi kasusnya tidak sebanyak kaum wanita. Dataset klasifikasi kanker payudara Coimbra yang diambil dari UCI Machine Learning, disampaikan bahwa ada 9 atribut yang memengaruhi kondisi seseorang menjadi penderita atau kemungkinan menderita penyakit kanker payudara. Atribut atau faktor tersebut adalah BMI, Glukosa, Insulin, HOMA, Leptin, Adiponectin, Resistin, MCP-1, dan Umur. Tujuan yang akan dicapai dalam penelitian ini adalah menemukan faktor-faktor penentu yang mempengaruhi indikasi penyakit kanker payudara dengan pendekatan Jaringan Saraf Tiruan (JST). Setelah dilakukan simulasi jaringan saraf tiruan dengan 2 lapisan tersembunyi diperoleh hasil bahwa faktor usia menjadi faktor yang memiiki pengaruh terbesar, sedangkan MCP-1 merupakan faktor yang memiliki pengaruh terkecil  dalam prediksi penyakit kanker payudara.  DOI : https://doi.org/10.26905/jasiek.v1i1.3098
IMPLEMENTASI ALGORITMA K-MEDOIDS UNTUK CLUSTERING WILAYAH TERINFEKSI KASUS COVID-19 DI DKI JAKARTA Muh Arifandi; Arief Hermawan; Donny Avianto
Jurnal Teknologi Terapan Vol 7, No 2 (2021): Jurnal Teknologi Terapan
Publisher : P3M Politeknik Negeri Indramayu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31884/jtt.v7i2.353

Abstract

In early March 2019, Indonesia was hit by the Covid-19 (Corona) outbreak. The increase in the number of patients infected with the Covid-19 virus is increasing day by day and is already difficult to control. Jakarta is no exception. To prevent the increase in cases of COVID-19, it is necessary to create a cluster or grouping of certain areas (Urban village) based on the number of positive, treated, recovered, died and isolated. This grouping will assist the DKI Jakarta government in providing appropriate handling according to the Urban village pattern. The data that will be used as a research study is the data on the distribution of the status of infected cases of Covid-19 in DKI Jakarta Province on May 20, 2021. The K-Medoids algorithm is a method that can determine a set of clusters among a group of data that is close to an object. Based on the research studies that have been carried out, it can be concluded that in the data mining technique, the total grouping of Covid-19 infected cases based on urban areas in DKI Jakarta Province uses the k-medoids algorithm with three clusters. Cluster 0, cluster 1, cluster 2. The highest Covid-19 infected cases in DKI Jakarta Province are shown in cluster 3 with 31 regions. The results of this grouping research will assist the DKI Jakarta government in providing appropriate handling according to the Urban village pattern. K-Medoids can be implemented using large amounts of data with complex attributes.
IMPLEMENTATION OF BACKPROPAGATION NEURAL NETWORK IN SENTIMENT ANALYSIS ON TWITTER TO PUBLIC FIGURES Achmad Safruddin; Arief Hermawan; Adityo Permana Wibowo
Compiler Vol 9, No 2 (2020): November
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (989.502 KB) | DOI: 10.28989/compiler.v9i2.834

Abstract

Sentiment analysis is a process for identifying or analyzing people's opinions on a topic. Sentiment analysis analyzes each word in a sentence to find out the opinions or sentiments expressed in the sentence. The opinions expressed can be in the form of positive or negative opinions. Twitter is one of the most popular social media in Indonesia. Twitter users always discuss various kinds of topics every day. One of the things discussed on Twitter and which has become a trending topic several times is about public figures. This study discusses the analysis of positive or negative sentiments towards public figures based on tweet data carried out by text processing. The results of text processing are classified using a backpropagation neural network. Tests were carried out using 69 test data, resulting in an accuracy of 62.3%, with 43 correct classification results.
Pelatihan penggunaan media sosial sebagai sarana dakwah bagi penyuluh agama islam di masa pandemi Adityo Permana Wibowo; Donny Avianto; Arief Hermawan
KACANEGARA Jurnal Pengabdian pada Masyarakat Vol 4, No 2 (2021): Juli
Publisher : Institut Teknologi Dirgantara Adisutjipto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28989/kacanegara.v4i2.871

Abstract

Masa pandemi Covid-19 menghentikan semua aktivitas yang mengundang keramaian, salah satunya adalah kegiatan kajian agama islam baik itu dalam bentuk pertemuan klasikal sampai dengan tabligh akbar. Sementara penyuluh Agama Islam dituntut untuk tetap produktif dalam memberikan penyuluhannya kepada masyarakat. Kementerian Agama Kab. Sleman membuat kebijakan bahwa seluruh penyuluh agama di bawah Kementerian Kab. Sleman harus tetap produktif dalam memberikan penyuluhan Agama Islam kepada Masyarakat. Salah satu cara penyuluhan yang digunakan adalah memanfaatkan media sosial, yaitu Youtube.  Permasalahannya adalah tidak semua penyuluh agama di Kab. Sleman familiar dengan Youtube, sehingga diperlukan adanya pelatihan dalam penggunaan media sosial Youtube sebagai sarana dakwah. Kegiatan dilakukan dalam bentuk pelatihan dan pendampingan dalam menggunakan Youtube bagi penyuluh agama dalam mulai dari create account, upload video, pengaturan dan pemberian deskripsi video, sampai dengan pendaftaran monetisasi Youtube. Pelatihan dan pendampingan ini diharapkan bisa membantu para penyuluh agama tetap produktif dalam menyampaikan dakwahnya dan video dakwah yang disebarkan bisa eligible untuk didaftarkan monetisasi
Pengaruh Cahaya dan Kualitas Citra dalam Klasifikasi Kematangan Pisang Cavendish Berdasarkan Ciri Warna Menggunakan Artificial Neural Network Aditya Dwi Putro; Arief Hermawan
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol 21 No 1 (2021)
Publisher : LPPM Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (620.193 KB) | DOI: 10.30812/matrik.v21i1.1396

Abstract

Buah pisang merupakan komoditas yang memberikan kontribusi besar terhadap angka produksi buah nasional maupun internasional. Pemerintah melalui Badan Standarisasi Nasional menetapkan standar untuk buah pisang, menjaga mutu buah pisang. Tujuan dari penelitian ini adalah menganalisa pengaruh cahaya dan kualitas citra dalam mengklasifikasikan tingkat kematangan buah pisang berdasarkan ciri warna buah pisang di Kebun Pisang Cavendish kabupaten banyumas jawa tengah sesuai dengan SNI 7422:2009[1]. Pisang yang terdapat di Kebun Pisang Cavendish ini beraneka ragam kualitas, sebagai buah lokal yang memiliki nilai ekonomi tinggi dan memiliki potensi pasar yang masih terbuka luas, pisang menjadi salah satu komoditas buah-buahan yang dapat diandalkan. Permasalahan yang sering ditemukan selain resource dan ketelitian yakni kurang tepatnya dan kurang pengetahuannya karyawan dalam membedakan tingkat kematangan pisang terutama karyawan baru. Artificial Neural Network digunakan sebagai metode dalam proses pengklasifikasian. Dataset pada penelitian ini adalah 80 citra buah pisang yang diambil per tandan terdiri dari 40 tandan citra pisang Cavendish yang diambil di pagi hari dengan kualitas citra bagus 20 dan kualitas citra tidak bagus 20, 40 tandan citra pisang Cavendish yang diambil di sore hari dengan kualitas citra bagus 20 dan kualitas citra tidak bagus 20. Tingkat kematangan pisang pada penelitian ini yaitu mentah dan matang. pengujian menghasilkan Akurasi tertinggi dalam proses klasifikasi kategori buah pisang cavendish menggunakan epoch 5000, goal 0.0001 dan learning rate 0.1 dengan jumlah akurasi sebesar 100% dengan model trainlm dan waktu 1.6 detik.
Comparative analysis of support vector machine and k-nearest neighbors with a pyramidal histogram of the gradient for sign language detection Imantoko Imantoko; Arief Hermawan; Donny Avianto
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol 11 No 2 (2021): MATRIX - Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31940/matrix.v11i2.2433

Abstract

The communication method using sign language is very efficient considering that the speed of information delivery is closer to verbal communication (speaking) compared to writing or typing. Because of this, sign language is often used by people who are deaf, speech impaired, and normal people to communicate. To make sign language translation easier, a system is needed to translate symbols formed from hand movements (in the form of images) into text or sound. This study aims to compare performance such as accuracy and computation time of Support Vector Machine (SVM) and K-Nearest Neighbors (KNN) with Pyramidal Histogram of Gradient (PHOG) for feature extraction, to know which one is better at recognizing sign language. Yield, both combined methods PHOG-SVM and PHOG-KNN can recognize images from hand movements that form certain symbols. The system built using the SVM classification produces the highest accuracy of 82% at PHOG level 3, while the system built with the KNN classification produces the highest accuracy of 78% at PHOG level 2. The total computation time of the fastest training and testing by the SVM model is 236.53 seconds at PHOG level 3, while the KNN model is 78.27 seconds at PHOG level 3. In terms of accuracy, PHOG-SVM is better, but in terms of computation time, PHOG-KNN takes the place.
Implementasi Korelasi untuk Seleksi Fitur pada Klasifikasi Jamur Beracun Menggunakan Jaringan Syaraf Tiruan Arief Hermawan; Adityo Permana Wibowo
INTEK : Jurnal Informatika dan Teknologi Informasi Vol. 5 No. 1 (2022)
Publisher : Universitas Muhammadiyah Purworejo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37729/intek.v5i1.1973

Abstract

Jamur merupakan salah satu jenis flora yang tumbuh subur di negara tropis, salah satunya Indonesia. Jamur terdiri atas 2 jenis, yaitu jamur yang bisa dimakan (menyehatkan) dan jamur yang tidak bisa dimakan (jamur beracun). Tujuan yang ingin dicapai dalam penelitian ini adalah meningkatkan keakuratan klasifikasi jamur dengan pendekatan analisis korelasi. Peningkatann akurasi dilakukan dengan menghilangkan atribut yang berkorelasi di atas 0,8. Dataset yang digunakan diambil dari Kaggle.com yang terdiri atas 22 variabel input, dan 2 variabel output. Setelah dilakukan simulasi dengan menggunakan jaringan syaraf tiruan perambatan galat mundur, diperoleh hasil dari 22 variabel yang dipergunakan untuk mengklasifikasi jamur beracun atau tidak beracun, ditemukan ada 2 variabel yang secara bersama-sama tidak berkontribusi terhadap hasil klasifikasi dan cenderung menjadi variabel pengganggu. Dua variabel tersebut adalah variabel Bruises dan Ringtype. Dengan dihilangkannya 2 variabel tersebut, terjadi peningkatan keakuratan klasifikasi dari 97,97%, menjadi 99,02%
Co-Authors Achmad Safruddin Aditya Dwi Putro Adityo Permana Adityo Permana Wibowo Akmal Setiawan Wijaya Aldi Tri Wijaya Alfin Syarifuddin Syahab Alvinus Cardova Aziz Perdana Baiq Nurul Azmi Bowo Hirwono Cahyo Prakoso Donny Avianto Donny Avianto Donny Avianto Edi Priyanto Enggar Novianto Ferdinandus Edwin Penalun Gunawan Wibisono Ilham Rafiedhia Pramutighna Imantoko Imantoko Intan Setiawati Luis Fernandes Tokan Muh Arifandi Muhammad Aulia Muhammad Rizky Prasetyo Muhammad Rousydi Hunafa Nur Hidayati Nur Widiastuti Pramadika Egamo Rendi Setya Nugraha Reski Noviana Rian Oktafiani Rianto Rianto Rizky Diar Panuntun Saifuddin Saifuddin Saifullah, Shoffan Tri Waluyo Tri Widodo Triyas Hevianto Saputro