Article Per Year (5 Year)
p-Index From 2019 - 2024
1.99
P-Index
This Author published in this journals
All Journal Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi Multitek Indonesia : Jurnal Ilmiah Journal of Information System,Graphics, Hospitality and Technology Jurnal Informatika dan Sistem Informasi Insyst : Journal of Intelligent System and Computation Jurnal Inovasi Teknologi dan Edukasi Teknik
C. Pickerling
Institut Sains Dan Teknologi Terpadu Surabaya
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Komparasi Algoritma WOA, MFO dan Genetic pada Optimasi Evolutionary Neural Network dalam Menyelesaikan Permainan 2048 Hendrawan Armanto; Kevin Setiabudi; C Pickerling
Jurnal Inovasi Teknologi dan Edukasi Teknik Vol. 1 No. 9 (2021)
Publisher : Universitas Ngeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (483.272 KB)

Abstract

Neural network optimization using evolutionary algorithms is an interesting research topic. But right now, there are not much research in this topic that focused on Game, especially 2048. The 2048 game is one of the interesting games to study considering that the level of difficulty of this game will increase when the value of the resulting number increases. In addition, this game is also not limited by time but can be played continuously until the game ends. Neural network and tree are 2 architectures that can be used to play 2048 but require a long training time if you want to play well. In this study, this problem was optimized by an evolutionary algorithm (3 algorithms used in this study: Genetic Algorithm, WOA, and MFO). With this optimization, the best weight will be obtained in either the NN or Tree architecture to produce good intelligence in playing 2048. After going through various trials, it is concluded that the combination with the NN architecture is better than the Tree architecture and the WOA and MFO algorithms have succeeded in optimizing the architecture with better than the genetic algorithm. Optimasi neural network menggunakan algoritma evolutionary adalah topik penelitian yang menarik akan tetapi tidak banyak penelitian terkait hal ini yang berfokus pada game terutama game 2048. Game 2048 adalah salah satu game yang menarik untuk diteliti mengingat tingkat kesulitan permainan ini akan semakin meningkat disaat nilai angka yang dihasilkan semakin tinggi. Selain itu, permainan ini juga tidak dibatasi oleh waktu melainkan dapat dimainkan terus menerus hingga permainan berakhir. Neural network dan tree adalah 2 arsitektur yang dapat digunakan untuk memainkan 2048 akan tetapi membutuhkan waktu training yang lama jika ingin bermain dengan baik. Lama training tersebut yang pada penelitian ini dioptimasi oleh algoritma evolutionary (3 algoritma yang digunakan pada penelitian ini: Algoritma Genetic, WOA, dan MFO). Dengan adanya optimasi ini maka akan diperoleh bobot terbaik baik pada arsitektur NN ataupun Tree sehingga menghasilkan kecerdasan yang baik dalam memainkan 2048. Setelah melalui berbagai ujicoba maka disimpulkan bahwa kombinasi dengan arsitektur NN lebih baik dibandingkan dengan arsitektur Tree dan algoritma WOA dan MFO berhasil mengoptimasi arsitektur dengan lebih baik dibandingkan algoritma genetic.
Penyaring Komentar Cyberbullying Pada Konten Blog Danar Dono; Eka Rahayu Setyaningsih; Pickerling Pickerling
Intelligent System and Computation Vol 4 No 2 (2022): INSYST: Journal of Intelligent System and Computation
Publisher : Institut Sains dan Teknologi Terpadu Surabaya (d/h Sekolah Tinggi Teknik Surabaya)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52985/insyst.v4i2.271

Abstract

Cyberbullying merupakan ancaman nyata dalam interaksi di antara penulis konten blog dan pembaca blog. Penelitian ini membahas tentang pengembangan fitur penyaring cyberbullying pada konten blog untuk meminimalisir cyberbullying dalam suatu situs blog. Adapun metode pengembangan sistem menggunakan iterative waterfall meliputi analisis sistem, desain sistem, implementasi dan pengujian. Berdasarkan pengujian dengan mode pelatihan data menggunakan 7755 dataset komentar dengan proporsi 3984 cyberbullying 3771 non-cyberbullying menghasilkan akurasi 85,25% dan error 14,75%. Pengujian dengan mode testing data menggunakan 1936 dataset komentar dengan proporsi 583 cyberbullying dan 1353 non-cyberbullying menghasilkan akurasi 80% dan error 20%. Dari hasil pengujian disimpulkan bahwa pengembangan fitur penyaring komentar cyberbullying dengan menggunakan naive bayes classifier menghasilkan rata-rata akurasi sebesar 80% dan rata-rata error sebesar 20%.
Kecerdasan Buatan Berbasis Monte-Carlo Tree Search untuk Permainan Shogi pada Android Pickerling Pickerling; Hendrawan Armanto; Daniel Daniel
Jurnal Informatika dan Sistem Informasi Vol. 7 No. 1 (2021): Jurnal Informatika dan Sistem Informasi
Publisher : Universitas Ciputra Surabaya

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

Abstract

Permainan Shogi adalah permainan yang mulai digemari oleh masyarakat akhir-akhir ini. Untuk memainkannya, tentu diperlukan papan permainan khusus beserta bidak-bidaknya. Namun kepopuleran Shogi yang masih belum terlalu tinggi di luar negara Jepang, menyebabkan sulitnya untuk mencari papan permainan Shogi. Dikarenakan masalah tersebut, maka muncul lah permainan Shogi digital, dimana untuk bermain Shogi tidak diperlukan lagi papan permainan secara fisik, melainkan dapat dengan mudah dimainkan pada perangkat Android. Penelitian ini bertujuan untuk membuat kecerdasan buatan yang dapat memainkan permainan Shogi pada Android. Adapun kecerdasan buatan yang digunakan adalah kecerdasan buatan berbasis Monte-Carlo Tree Search. Manfaat dari aplikasi ini adalah agar seseorang dapat bermain shogi tanpa harus menggunakan papan permainan fisik dan sekaligus untuk menyediakan lawan bermain. Setelah melalui berbagai proses uji coba, dapat disimpulkan bahwa MCTS hanya mampu bersaing dengan kecerdasan buatan level easy hingga medium, namun keunggulan tersebut akan menurun drastis jika ditandingkan dengan kecerdasan buatan level hard. Akan tetapi apabila dibandingkan dengan algoritma game playing seperti Negamax AB Pruning maka MCTS dapat memenangkan rata-rata 80% pertandingan.
Co-Authors Anthony, Gregorian Bernard Niklas Satrijo Danar Dono Daniel Daniel Dwi Putra, Ronal Eka Rahayu Setyaningsih Eka Rahayu Setyaningsih Erwin Sentosa Hendrawan Armanto Kenji Andrean Kevin Setiabudi Kevin Susanto Lukman Zaman Lukman Zaman PCSW Reynold Kevin Ronal Dwi Putra Stefanus Kurniawan Bastari