Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial Jurnal Teknik Informatika STMIK Antar Bangsa
Lesmono, Ibnu Dwi
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Animasi Berbasis Multimedia Untuk Siswa Berupa Pengenalan Moda Transportasi Dengan Metode Waterfall Lesmono, Ibnu Dwi
Swabumi Vol 7, No 1 (2019): Volume 7 Nomor 1 Tahun 2019
Publisher : Universitas Bina Sarana Informatika Kota Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/swabumi.v7i1.5572

Abstract

Abstrak Media pendukung pembelajaran bagi siswa sekolah dasar memiliki banyak variasi teknik penyampaian, baik ada yang berbentuk media audio maupun video. Salah satu media penyampaian bagi pembelajaran siswa yaitu berbasis multimedia yang menjadi rancangan aplikasi dalam penelitian ini. Kemampuan mengenali berbagai macam alat transportasi massal bagi tingkat sekolah dasar perlu dikembangkan agar siswa mampu dengan mudah mengetahui dengan baik alat macam macam alat transportasi massal, hal ini yang menjadi tujuan dalam penelitian ini, yaitu merancang suatu aplikasi multimedia pengenalan alat transportasi . Dengan menggunakan teknik pengumpulan data observasi dan studi kepustakaan, objek dalam penelitian ini adalah SDN Cipondoh 9 Tangerang, dimana siswa-siswi dijadikan acuan utama dalam mendukung perancangan aplikasi ini. Perancangan aplikasi multimedia penelitian ini menggunakan model waterfall dalam pengembangan aplikasi. Sedangkan untuk tahap pengujian aplikasi, peneliti menggunakan teknik pengujian black box testing. Maka berdasarkan pemikiran tersebut, dibuat aplikasi pembelajaran transportasi massal berbasis multimedia yang dibuat dengan software Adobe Flash CS3, Basis data, yang diharapkan  dengan adanya aplikasi ini dapat membantu proses belajar mengajar Di Sekolah. Kata Kunci:  Aplikasi, Multimedia Flash, Tranportation, Waterfall  Abstract Learning media support for elementary school students has many variations of delivery techniques, both in the form of audio and video media. One of the delivery media for student learning is multimedia-based which is the application design in this study. The ability to recognize various kinds of mass transportation tools for elementary school level needs to be developed so that students are able to easily know the kinds of mass transportation equipment, this is the goal in this study, namely designing a multimedia application introduction of mass transportation equipment. By using observation and literature study data collection techniques, the object in this study was Cipondoh 9 Public Elementary School in Tangerang, where students were used as the main reference in supporting the design of this application. The design of multimedia application of this research using waterfall model in application development. While for the application testing phase, researchers used black box testing testing techniques. So based on this thought, in this final report was made a multimedia-based mass transportation learning application created with Adobe Flash CS3 software, Database, which is expected with this application can help the teaching and learning process in schools. Keywords: Application, Multimedia Flash, Tranportation, Waterfall
Optimasi K Nearest Neighbour dengan Algoritma Genetika Lesmono, Ibnu Dwi; Dwi Praba, Ardian
Jurnal Teknik Informatika Vol. 3 No. 2 (2017): JTI Periode Agustus 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i2.179

Abstract

Abstract— Data mining is a field that are merged from several fields which brings together techniques from machine learning, pattern recognition, statistical databases, and visualization for information retrieval problem recognition and large databases. Classification is the process of the invention of the model which describe and distinguish classes or the concept that aims to be used to predict the class of the object label kelasya is not yet known. Many algorithms that can be used in solving the problem of classification in data mining one is K Nearest neighbour or K-NN. K-NN is the algorithm that aims to find new patterns in the data with the use of existing data patterns with the new data. The k-NN algorithm is one of the most widely used in the classification of learning based on terawasi, but the K-NN has problems on the determination of the optimal K parameter resulting in lower accuracy. In this paper will be discussed how the influence of K-NN algorithm if combined with genetic algorithm for parameter optimization of K.Intisari— Data mining adalah bidang yang digabung dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin pengenalan pola, statistik database, dan visualisasi untuk pengenalan permasalahan pengambilan informasi dan database yang besar. Klasifikasi adalah proses penemuan model yang menggambarkan dan membedakan kelas atau konsep yang bertujuan agar bisa digunakan untuk memprediksi kelas dari object yang label kelasya belum diketahui. Banyak algoritma yang bisa digunakan dalam menyelesaikan masalah klasifikasi dalam data mining salah satunya adalah K Nearest neighbour atau K-NN. K-NN adalah algoritma yang bertujuan untuk menemukan pola baru dalam data dengan menggunakan pola data yang sudah ada dengan data yang baru. K-NN adalah salah satu algoritma yang paling banyak digunakan dalam klasifikasi berdasarkan pembelajaran terawasi, namun K-NN memiliki masalah pada penentuan parameter K yang optimal sehingga menghasilkan akurasi yang rendah. Dalam makalah ini akan dibahas bagaimana pengaruh algoritma K-NN jika digabung dengan algoritma genetika untuk optimasi parameter K. Kata Kunci: Klasifikasi, Optimasi, K Nearest Neighbour, Algoritma Genetika.
Optimasi K Nearest Neighbour dengan Algoritma Genetika Lesmono, Ibnu Dwi; Dwi Praba, Ardian
Jurnal Teknik Informatika Vol 3 No 2 (2017): JTI Periode Agustus 2017
Publisher : LPPM STMIK ANTAR BANGSA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51998/jti.v3i2.179

Abstract

Abstract— Data mining is a field that are merged from several fields which brings together techniques from machine learning, pattern recognition, statistical databases, and visualization for information retrieval problem recognition and large databases. Classification is the process of the invention of the model which describe and distinguish classes or the concept that aims to be used to predict the class of the object label kelasya is not yet known. Many algorithms that can be used in solving the problem of classification in data mining one is K Nearest neighbour or K-NN. K-NN is the algorithm that aims to find new patterns in the data with the use of existing data patterns with the new data. The k-NN algorithm is one of the most widely used in the classification of learning based on terawasi, but the K-NN has problems on the determination of the optimal K parameter resulting in lower accuracy. In this paper will be discussed how the influence of K-NN algorithm if combined with genetic algorithm for parameter optimization of K.Intisari— Data mining adalah bidang yang digabung dari beberapa bidang keilmuan yang menyatukan teknik dari pembelajaran mesin pengenalan pola, statistik database, dan visualisasi untuk pengenalan permasalahan pengambilan informasi dan database yang besar. Klasifikasi adalah proses penemuan model yang menggambarkan dan membedakan kelas atau konsep yang bertujuan agar bisa digunakan untuk memprediksi kelas dari object yang label kelasya belum diketahui. Banyak algoritma yang bisa digunakan dalam menyelesaikan masalah klasifikasi dalam data mining salah satunya adalah K Nearest neighbour atau K-NN. K-NN adalah algoritma yang bertujuan untuk menemukan pola baru dalam data dengan menggunakan pola data yang sudah ada dengan data yang baru. K-NN adalah salah satu algoritma yang paling banyak digunakan dalam klasifikasi berdasarkan pembelajaran terawasi, namun K-NN memiliki masalah pada penentuan parameter K yang optimal sehingga menghasilkan akurasi yang rendah. Dalam makalah ini akan dibahas bagaimana pengaruh algoritma K-NN jika digabung dengan algoritma genetika untuk optimasi parameter K. Kata Kunci: Klasifikasi, Optimasi, K Nearest Neighbour, Algoritma Genetika.
Co-Authors Dwi Praba, Ardian