Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal technoscientia JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) JURNAL TEKNOLOGI TECHNOSCIENTIA
Tamtelahitu, Trientje Marlein
Unknown Affiliation
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Earth & Planetary Sciences Education Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering

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

Found 3 Documents
Search

 1 
KOMPARASI ALGORITMA CLUSTERING DENGAN DATASET PENYEBARAN COVID-19 DI INDONESIA PERIODE MARET-MEI 2020 Tamtelahitu, Trientje Marlein
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia-Vol 13 No 1-Agustus 2020
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

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

Abstract

In data mining, there is a predictive model, namely predicting the value of different sample data sets, and testing into three types such as classification, regression and time series. While descriptive models allow us to determine patterns in sample data and divide them into groups, summaries and association rules. Report on the results of experiments on algorithms that are quite widely used in the field of machine learning. This experiment aims to measure performance on commonly used datasets in machine learning studies. The main performance factor to be compared in this experiment is the level of accuracy of the independent experiments on the dataset used. This research uses clustering algorithm method to compare various clustering algorithms using Weka Tools to find out which algorithm will be more convenient for users to do clustering algorithm using the Covid-10 distribution map dataset in Indonesia from March-May 2020. K-means taking the points closest to the center whereas Farthest-First picks the furthest points. Farthest-First can complete the clustering process but with a lower quality than K-Means. And other experiments, on the method of Making Based on Clusterd Density and EM (Expectation-Maximization) prove the same accuracy. The EM grouping method proves low (less than 50%) of the results comparing the Clusterd Based Densitity Making Method, with a percentage reaching 74%.
KOMPARASI ALGORITMA CLUSTERING DENGAN DATASET PENYEBARAN COVID-19 DI INDONESIA PERIODE MARET-MEI 2020 Tamtelahitu, Trientje Marlein
JURNAL TEKNOLOGI TECHNOSCIENTIA Technoscientia-Vol 13 No 1-Agustus 2020
Publisher : Lembaga Penelitian & Pengabdian Kepada Masyarakat (LPPM), IST AKPRIND Yogyakarta

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

Abstract

In data mining, there is a predictive model, namely predicting the value of different sample data sets, and testing into three types such as classification, regression and time series. While descriptive models allow us to determine patterns in sample data and divide them into groups, summaries and association rules. Report on the results of experiments on algorithms that are quite widely used in the field of machine learning. This experiment aims to measure performance on commonly used datasets in machine learning studies. The main performance factor to be compared in this experiment is the level of accuracy of the independent experiments on the dataset used. This research uses clustering algorithm method to compare various clustering algorithms using Weka Tools to find out which algorithm will be more convenient for users to do clustering algorithm using the Covid-10 distribution map dataset in Indonesia from March-May 2020. K-means taking the points closest to the center whereas Farthest-First picks the furthest points. Farthest-First can complete the clustering process but with a lower quality than K-Means. And other experiments, on the method of Making Based on Clusterd Density and EM (Expectation-Maximization) prove the same accuracy. The EM grouping method proves low (less than 50%) of the results comparing the Clusterd Based Densitity Making Method, with a percentage reaching 74%.
PERANCANGAN SISTEM ABSENSI PINTAR MAHASISWA MENGGUNAKAN TEKNIK QR CODE DAN GEOLOCATION Tamtelahitu, Trientje Marlein; Sambono, Jorge; Unenor, Jekris Ebenhaizer
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 6, No 1 (2021)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v6i1.1894

Abstract

Saat ini, pencatatan kehadiran mahasiswa yang dilakukan di Universitas Kristen Indonesia Maluku dilakukan lewat aplikasi Google classroom, zoom, google meet atau cloudX, yang memungkinkan terjadinya beberapa kendala diantaranya : tingkat pemahaman mahasiswa dalam mengisi absen di google classroom  berbeda-beda tergantung model absen yang diterapkan dosen pengampu, terbaginya konsentrasi dosen pada saat mengajar dan mengambil absensi kehadiran mahasiswa pada saat kuliah onlinedi zoom, Cloud-x,dan lain-lain. Tujuan penelitian ini adalah menggunakan teknik QR-Code untuk memudahkan mahasiswa dalam mengakses absensi kehadiran dan pencatatan absensi oleh dosen secara cepat dan tepat serta lewat teknik geolocation, dosen dapat mengetahui posisi/keberadaan mahasiswa pada saat kuliah daring. Penelitian ini menggunakan metode pengembangan website dengan model prototype. Konsep utama pengembangan sistem berbasis prototype adalah adanya pembagian alur kerja secara keseluruhan menjadi beberapa tahap yaitu 1)pengembangan aplikasi mobile pada android sebagai sarana bagi mahasiswa untuk absensi kehadiran, 2) Pengembangan aplikasi berbasis website dengan fitur QR Code sebagai sistem verifikasi kehadiran mahasiswa dan pengembangan aplikasi dengan fitur geolocation dan geofence sebagai sistem verifikasi posisi mahasiswa, 3) Integrasi aplikasi berbasis mobile dengan aplikasi berbasis web. Setelah aplikasi selesai dibuat, maka akan dilakukan pengujian. Pengujian yang dilakukan adalah pengujian blackbox. Pengujian ini bertujuan untuk memastikan fitur-fitur dalam aplikasi berjalan dengan semestinya. Berdasarkan hasil pengujian blackbox, dapat disimpulkan bahwa seluruh fitur dan fungsi pada aplikasi mobile maupun web berjalan dengan semestinya sesuai dengan hasil yang diharapkan. Aplikasi yang dibuat ini diharapkan dapat mempermudah akses mahasiswa dalam melakukan absensi secara online serta kemudahan dalam pencatatan absensi mahasiswa oleh dosen.
Co-Authors Sambono, Jorge Unenor, Jekris Ebenhaizer