Garuda - Garba Rujukan Digital

Penentuan Penerima Bantuan Dana untuk Sekolah Menengah Di Kab. Banjar Menggunakan Metode AHP-TOPSIS dengan Pendekatan Fuzzy - FMIPA UNLAM, Friska Abadi
Speed - Sentra Penelitian Engineering dan Edukasi Vol 8, No 1 (2016): Jurnal Speed Januari - 2016
Publisher : APMMI - Asosiasi Profesi Multimedia Indonesia

Abstrak - Mutu pendidikan rendah di Indonesia dipengaruhi banyak faktor, salah satunya adalah kondisi sarana dan prasarana sekolah yang kurang memadai. Padahal banyak UU dan peraturan pemerintah maupun daerah yang mengatur tentang penyelenggaraan maupun standar kelayakan pendidikan. Realitanya, penyelenggaraan pendidikan masih jauh dari standar kelayakan yang terlihat dari kondisi sarana dan prasarana sekolahnya. Akan tetapi, pemerintah selalu berusaha meningkatkan standar kelayakan dalam program belajar mengajar dalam bentuk bantuan dana baik oleh pemerintah pusat maupun daerah. Untuk itu, diperlukan suatu sistem yang dapat membantu proses seleksi penerimaan bantuan tersebut. Penelitian ini menggunakan metode dalam sistem pengambilan keputusan, yakni Analitical Hierarchy Process (AHP) dan TOPSIS dengan pendekatan fuzzy karena dapat memberikan rekomendasi untuk penentuan penerima bantuan dana untuk sekolah menengah berdasarkan analisis pada kriteria dan subkriteria yang ditetapkan. Bobot kriteria dihitung dengan menerapkan metode AHP, performance alternatifâ€alternatif yang berkaitan dengan kriteria dibentuk dalam teori himpunan fuzzy, dan proses terakhir, TOPSIS dilakukan pada hasil ranking terakhir.Kata kunci â€“ Fuzzy, AHP, TOPSISAbstract - Low quality of education in Indonesia affected by many factors, one of them is an inadequate condition of school facilities and infrastructure, although we have many law, government regulations and local governing eligibility about standards implementation and education. In reality, education is still far from eligibility standards as seen from the condition of school facilities and infrastructure. However, the government is always trying to improve ethical standards in teaching and learning program in the form of financial assistance by both the central and local governments so that we need a system that can help the selection process for such assistance. This research uses the methods in the decision-making system, there are the Analytical Hierarchy Process (AHP) and fuzzy TOPSIS approach as it can provide recommendations for the determination of beneficiaries of funds to secondary schools based on criteria and sub-criteria analysis set. Criteria weight is calculated by applying the method of AHP, performance alternatives with regard to the criteria established in the fuzzy set theory, and the final process, TOPSIS performed on the results of the last rank.Keywords â€“ Fuzzy, AHP, TOPSIS

Uji Sensitivitas Metode Aras Dengan Pendekatan Metode Pembobotan Kriteria Sahnnon Entropy Dan Swara Pada Penyeleksian Calon Karyawan Halimah, Halimah; Kartini, Dwi; Abadi, Friska; Budiman, Irwan; Muliadi, Muliadi
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol 4 No 2 (2020)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v4i2.194

Penelitian ini melakukan uji sensitivitas metode Additive Ratio Assessment (ARAS) pada penyeleksian calon karyawan dengan pendekatan pembobotan kriteria menggunakan metode Shannon Entropy dan metode Stepwise Weight Assessment Ratio Analysis (SWARA) yang bertujuan untuk mengukur seberapa sensitif metode ini jika diterapkan pada sebuah kasus pengambilan keputusan. Data yang digunakan ialah data penyeleksian calon karyawan. Uji Sentitivitas pada penelitian ini digunakan untuk mengetahui metode yang lebih sensitif saat diterapkan pada suatu kasus. Metode perangkingan menggunakan ARAS karena metode perangkingan ini memiliki fungsi utilitas dan nilai optimalisasi. Metode Shannon Entropy bobot kriteria diperoleh berdasarkan perhitungan data alternatif penyeleksian karyawan, sedangkan metode SWARA bobot kriteria diperoleh dari pakar atau si pengambil keputusan. Hasil penelitian ini menunjukkan bahwa metode yang paling sensitif dengan kasus penyeleksian calon karyawan adalah metode SWARA-ARAS yang pemberian bobotnya berdasarkan pakar atau si pengambil keputusan dengan hasil sebesar 91,24203% lebih tinggi dibandingkan metode Shannon Entropy-ARAS yang hasil sebesar 74,75263%.

Uji Sensitivitas Metode Aras Dengan Pendekatan Metode Pembobotan Kriteria Sahnnon Entropy Dan Swara Pada Penyeleksian Calon Karyawan Halimah Halimah; Dwi Kartini; Friska Abadi; Irwan Budiman; Muliadi Muliadi
Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Vol. 4 No. 2 (2020)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31961/eltikom.v4i2.194

Penelitian ini melakukan uji sensitivitas metode Additive Ratio Assessment (ARAS) pada penyeleksian calon karyawan dengan pendekatan pembobotan kriteria menggunakan metode Shannon Entropy dan metode Stepwise Weight Assessment Ratio Analysis (SWARA) yang bertujuan untuk mengukur seberapa sensitif metode ini jika diterapkan pada sebuah kasus pengambilan keputusan. Data yang digunakan ialah data penyeleksian calon karyawan. Uji Sentitivitas pada penelitian ini digunakan untuk mengetahui metode yang lebih sensitif saat diterapkan pada suatu kasus. Metode perangkingan menggunakan ARAS karena metode perangkingan ini memiliki fungsi utilitas dan nilai optimalisasi. Metode Shannon Entropy bobot kriteria diperoleh berdasarkan perhitungan data alternatif penyeleksian karyawan, sedangkan metode SWARA bobot kriteria diperoleh dari pakar atau si pengambil keputusan. Hasil penelitian ini menunjukkan bahwa metode yang paling sensitif dengan kasus penyeleksian calon karyawan adalah metode SWARA-ARAS yang pemberian bobotnya berdasarkan pakar atau si pengambil keputusan dengan hasil sebesar 91,24203% lebih tinggi dibandingkan metode Shannon Entropy-ARAS yang hasil sebesar 74,75263%.

Metrics Based Feature Selection for Software Defect Prediction Radityo Adi Nugroho; Friska Abadi; M. Reza Faisal; Rudy Herteno; Rahmat Ramadhani
Jurnal Komputasi Vol 8, No 2 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i2.2670

Nowadays, software is very influential on various sectors of life, both to solve business needs, as well as personal needs. To have a Software with high quality, testing is needed to avoid software defect. Research on software defects involving Machine Learning is currently being carried out by many researchers. This method contains one important step, which is called feature selection. In this study, researchers conducted a feature selection based on the software metric category to determine the level of accuracy of the prediction of software defects by utilizing 13 (thirteen) datasets from NASA MDP namely CM1, JM1, KC1, KC3, KC4, MC1, MC2, MW1, PC1, PC2, PC3, PC4, and PC5. To classify, the researchers involved 5 (five) classifiers, namely Naive Bayes, Decision Trees, Random Forests, K-Nearest Neighbor, and Support Vector Machines. The research result shows that each attribure on software metric categories has effect on each dataset. Naive Bayes Algorithm and Random Forest Algorithm can give better performance than other algorithm in classifieng software defect with feature selection based on metrics. On the other hand, the best metrics category on each classifier algorithm is metric Misc. From average AUC value, it can be concluded that metrics category which can give best performance is metric LoC, followed by metric Misc. Both categories have achieved highest AUC value in Random Forest classifier.

Analisis Komparasi Implementasi Steganografi White-Space dan White-Space Modified pada Artikel Terenkripsi AES dalam HTML5 Rudy Herteno; Dodon Turianto Nugrahadi; Muhammad Sholih Afif; M Reza Faisal; Friska Abadi
Jurnal Komputasi Vol 8, No 1 (2020)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/komputasi.v8i1.2525

The level of internet usage continues to increase until now. information exchange requires security that cannot be predicted by others. one technique for securing information is steganography. Steganography techniques are the science and art of hiding information. This technique can hide the content of information in media that cannot be guessed by ordinary people, so as not to arouse suspicion of the people who see it. One of the media that can implement the white-space modified steganography method is HTML pages. in addition, AES (Advanced Encryption Standard) is a lighter encryption security algorithm compared to other algorithms. In this study, plain text that has been encrypted into cipher text is then inserted with white-space and white-space modification steganography techniques. Data changes have occurred but only less than 1 percent. In experiments that have been implemented on Google Chrome and Mozilla Firefox are the same except in Internet Explorer, which changes the data slightly larger.The implementation of AES encryption and stegano white-space original, has 100% success but the 80% decryption process is successful, but the decryption results contain additional binaries. This happen because the use of tabulation (tabs) instead of spaces in HTML5 articles, and this is often found in HTML articles. while the implementation of AES encryption and stegano whitespace modified, has a success of 100% and the decryption process of 90% succeeded without any changes. 1 article failed because the number of articles is too small compared to the amount of space provided. The conclusion that implementation of AES encryption and white-space modified is more appropriate to be implemented in HTML5 articles, and than the use of tabulation and the number of characters also consequences on the implementation.Keywords: Information, Steganography, White-space modified, Security, AES, Web Browser

IMPLEMENTASI SSD_RESNET50_V1 UNTUK PENGHITUNG KENDARAAN Muhammad Nur Rizal; Radityo Adi Nugroho; Dodon Turianto nugrahadi; Muhammad Reza Faisal; Friska Abadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.383

Google has released the Tensorflow Object Detection API to facilitate deep learning application development using the Tensorflow Object Detection API. The TensorFlow Object Detection API is an open-source framework that can be used to develop, train, and deploy object detection models. In this study, the Tensorflow Object Detection API is implemented in a vehicle counter application with the SSD_Resnet50_v1 detection model. From the research that has been done, applications with the detection of the SSD_Resnet50_v1 model get an accuracy of 56.49% in calculating motor-type vehicles and 54.43% for car-type vehicles.Kata Kunci : SSD_Resnet50_v1, Vehicle Counting, Tensorflow Object Detection APIGoogle telah merilis Tensorflow Object Detection API untuk mempermudah pengembangan aplikasi Deep learning dengan menggunakan Tensorflow Object Detection API. TensorFlow Object Detection API adalah open source framework yang dapat digunakan untuk mengembangkan, melatih, dan menggunakan model deteksi objek. Pada penelitian ini Tensorflow Object Detection API diimplementasikan pada aplikasi penghitung kendaraan dengan model deteksi SSD_Resnet50_v1. Dari penelitian yang telah dilakukan, aplikasi dengan model deteksi SSD_Resnet50_v1 mendapatkan akurasi sebesar 56,49% dalam menghitung kendaraan berjenis motor dan 54,43% untuk kendaraan berjenis mobil.Kata Kunci : SSD_Resnet50_v1, penghitung kendaraan, Tensorflow Object Detection API

IDENTIFIKASI OTOMATIS PESAN SAKSI MATA PADA MEDIA SOSIAL SAAT BENCANA GEMPA Sarah Monika Nooralifa; Mohammad Reza Faisal; Friska Abadi; Radityo Adi Nugroho; Muliadi Aziz
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 2 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i2.351

Social media platforms such as Twitter make it easy for users to share and receive critical information on disasters and emergencies. Information from eyewitnesses can be useful for law enforcement agencies and humanitarian organizations. Identification disaster messages on Twitter can also be used as information that can be used to see the current situation. In several research studies, earthquake disasters are divided into three categories: eyewitnesses, non-eye witnesses, and do not know. Meanwhile, the feature extraction that used in this research is bag-of-words that produce high-dimensional data output. The purpose of this research is to utilize lexicon-based feature extraction to produce low-dimensional data. However, there has never been the use of Lexicon based on the multiclass classification in cases of natural disasters. The features built by the Lexicon-based are far less, namely 2-15 features. This research was divided into two steps, namely the first step was carried out without combining Lexicon and the second step was carried out by combining Lexicon. The highest accuracy produced by the combination of Barasa SentiwordNet, Bing Liu, NRC, AFINN, and Heeryon Cho’s Lexicon using the Support Vector Machine classification with an accuracy of 64.13% with a total of 15 features.Keywords: Lexicon Based, Support Vector Machine, Classification, Text Mining, Twitter, DisastersPlatform media sosial seperti Twitter memudahkan para pengguna untuk berbagi dan menerima informasi penting selama bencana dan keadaan darurat. Informasi dari saksi mata dapat berguna bagi lembaga penegak hukum dan organisasi kemanusiaan. Pesan bencana di Twitter juga dapat digunakan sebagai informasi yang digunakan untuk mengetahui situasi yang sedang berlangsung. Pada beberapa riset yang telah dilakukan oleh peneliti, tweet bencana gempa dibagi menjadi tiga kategori yaitu eyewitness, non-eyewitness, dan don’t know. Sedangkan ekstraksi fitur yang digunakan pada riset-riset tersebut adalah bag-of-words yang menghasilkan keluaran berupa data berdimensi tinggi. Tujuan penelitian ini adalah memanfaatkan ekstraksi fitur berbasis lexicon untuk menghasilkan data berdimensi rendah. Namun belum pernah ada pemanfaatan Lexicon Based untuk klasifikasi multiclass pada kasus klasifikasi pesan bencana alam. Fitur yang dihasilkan oleh Lexicon based jauh lebih sedikit yaitu 2-15 fitur. Penelitian ini dibagi menjadi dua tahap, yaitu tahap pertama dilakukan tanpa penggabungan kamus Lexicon dan tahap kedua dilakukan dengan menggabungkan kamus Lexicon. Akurasi tertinggi dihasilkan oleh kombinasi Barasa SentiwordNet, Bing Liu, NRC, AFINN, dan Lexicon Heeryon Cho menggunakan klasifikasi Support Vector Machine dengan akurasi sebesar 64,13% dengan jumlah fitur sebanyak 15 fitur. Kata kunci: Lexicon based, Support Vector Machine, Klasifikasi, Text Mining, Twitter, Bencana Alam

PEMILIHAN KETUA DAN WAKIL KETUA BADAN EKSEKUTIF MAHASISWA UNIVERSITAS LAMBUNG MANGKURAT (BEM ULM) BERBASIS ELEKTRONIK Muhammad Azmi Adhani; Radityo Adi Nugroho; Rudy Herteno; Muliadi Muliadi; Friska Abadi
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 3 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i3.404

The ULM General Election is held annually in each TPU in each faculty to channel student votes in the election of the Chair and Vice Chair of the ULM BEM. However, the implementation of conventional general elections which require no small amount of money, the process is quite time-consuming and accompanied by the COVID-19 outbreak which can be an obstacle to the smooth running of the general election because it tends to be seen from 2018 to 2019 there is a decrease in the number of participants. This study uses an electronic approach, namely the e-voting system to overcome problems in conventional general elections in order to get improvements in terms of cost savings, shorter time and minimize the spread of the COVID-19 outbreak. To get the value of the profit that can be achieved by investing in the development of the application that the researcher proposes, it is necessary to conduct a feasibility study (Feasibility Analysis) as a tool in getting conclusions about what will be done, and after getting the results of the general election conducted electronically, it will comparisons were made with the implementation of previous years. The implementation cost requires Rp. 10,578,000.00 which when compared to the average data for the previous three years requires Rp. 25,166,666.00, it can be seen that there is an implementation cost savings of Rp. 14,588,666.00, when the implementation cost savings are included. into the economic feasibility study, the ROI and BEP values since the first year the application was implemented showed positive values. Until the third year the ROI and BEP values enter the feasible criteria so that in terms of Economic Feasibility it can be seen that the application is economically feasible. Then, for the implementation time which takes 12 hours, the number of participants is 11830 people, which when compared to the average data for the previous three years was only 7333 people, it can be seen that there was an acceleration as seen from the increase in participants as many as 4497 people. Then, for the fastest encryption algorithm is AES-128-CBC with a total time of encryption and decryption on the amount of data as much as 1000 is 0.0116 seconds.Keywords: Conventional Election, Electronic Election, Feasibility Study, Comparison, Encryption AlgorithmPemilihan Umum ULM setiap tahunnya dilaksanakan dimasing-masing TPU disetiap fakultas untuk menyalurkan suara mahasiswa dalam perihal pemilihan Ketua dan Wakil Ketua BEM ULM. Namum pelaksanaan pemilihan umum secara konvensional yang membutuhkan biaya yang tidak sedikit, proses yang cukup memakan waktu serta diiringi wabah COVID-19 yang dapat menjadi penghambat kelancaran dari pemilihan umum karena cenderung bisa dilihat dari tahun 2018 ke-tahun 2019 terjadi penurunan pada jumlah partisipan. Pada penelitian ini menggunakan pendekatan elektronik yaitu sistem e-voting untuk mengatasi masalah di pemilihan umum secara konvensional agar bisa mendapatan peningkatan dari segi penghematan biaya, waktu yang lebih singkat serta meminimalisir penyebaran wabah COVID-19. Untuk mendapatkan nilai dari profit yang mampu dicapai dengan berinvestasi kedalam pengembangan aplikasi yang peneliti usulkan, maka perlu dilakukan studi kelayakan (Feasibility Analysis) sebagai alat pembantu dalam mendapatkan kesimpulan terhadap apa yang akan dilakukan, dan setelah mendapatkan hasil pemilihan umum yang dilakukan secara elektronik maka akan dilakukan perbandingan terhadap pelaksanaan tahun-tahun sebelumnya. Pada biaya pelaksanaan membutuhkan Rp.10.578.000,00 yang jika dibandingkan dengan rata-rata data tiga tahun sebelumnya membutuhkan Rp.25.166.666,00 maka bisa dilihat bahwa terjadi penghematan biaya pelaksanaan sebesar Rp14.588.666,00, ketika penghematan biaya pelaksanaan dimasukan kedalam studi kelayakan ekonomi, nilai ROI dan BEP sejak tahun pertama aplikasi diimplementasi menunjukkan nilai positif. Sampai tahun ketiga nilai ROI dan BEP masuk ke kriteria layak sehingga dari segi Economic Feasibility bisa diketahui bahwa aplikasi layak secara ekonomis. Kemudian, untuk waktu pelaksanaan yang membutuhkan waktu 12 jam bisa mendapatkan jumlah partisipan sebanyak 11830 orang yang jika dibandingkan dengan rata-rata data tiga tahun sebelumnya hanya 7333 orang maka bisa dilihat bahwa terjadi percepatan yang dilihat dari peningkatan partisipan sebanyak 4497 orang. Lalu, untuk algoritma enkripsi yang tercepat adalah AES-128-CBC dengan total waktu dari enkripsi dan dekripsi pada jumlah data sebanyak 1000 adalah 0,0116 detik.Kata kunci: Pemilihan konvensional, Pemilihan Elektronik, Studi Kelayakan, Perbandingan, Algoritma Enkripsi

OBJECT COUNTING PADA DATA VIDEO Rudy Herteno; M. Reza Faisal; Radityo A Nugroho; Friska Abadi; Rahmat Ramadhani
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 7, No 1 (2020)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v7i1.307

One object counting implementation is counting the number of road users from video data sources obtained from CCTV streaming. Video processing on CCTV is usually done on the server side by sending video data. If the need is only to determine the density of traffic, then the method is considered too expensive to be implemented because of the cost of internet connection and bandwidth that must be spent. The solution is to use a small computing device that can process the video first, and the calculation results are sent to the server regularly. In this study, a comparison between the Tensorflow Object Counting learning algorithm and the MOG2 Background Subtractor image processing algorithm with the aim to determine the accuracy of the calculation. The result is known that better accuracy is given by the MOG2 Background Subtractor technique and also the process is carried out using only a small percentage of the amount of memory and processor compared to the Tensorflow Object Counting technique. MOG2 Background Substractor technique is expected to be used on devices that have small data sourcesKeywords : Object Counting, Tensorflow, MOG2 Background SubstractorSalah satu implementasi object counting adalah menghitung jumlah pengguna jalan dari sumber data video yang didapat dari streaming CCTV. Pemprosesan video pada CCTV biasanya dilakukan disisi server dengan mengirimkan data video. Jika keperluannya hanya untuk mengetahui kepadatan lalu lintas, maka cara tersebut dinilai terlalu mahal untuk diimplementasikan karena biaya koneksi internet dan bandwidth yang harus dikeluarkan. Pemecahannya adalah menggunakan perangkat komputasi kecil yang dapat memproses video tersebut terlebih dahulu, dan hasil perhitungannya dikirimkan ke server secara berkala. Pada penelitian ini dilakukan perbandingan antara algoritma pembelajaran Tensorflow Object Counting dan algoritma image processing MOG2 Background Substractor dengan tujuan untuk mengetahui akurasi penghitungan. Hasilnya diketahui akurasi yang lebih baik diberikan oleh teknik MOG2 Background Substractor dan juga proses yang dilakukan hanya menggunakan prosentase jumlah memori dan prosessor yang kecil dibandingkan teknik Tensorflow Object Counting. Sehingga teknik MOG2 Background Substractor ini diharapkan dapat digunakan pada perangkat yang memiliki sumber data kecil. Kata kunci : Object Counting, Tensorflow, MOG2 Background Substractor.

Prediksi Tinggi Permukaan Air Waduk Menggunakan Artificial Neural Network Berbasis Sliding Window Dwi Kartini; Friska Abadi; Triando Hamonangan Saragih
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

The water level in the reservoir is an important factor in the operation of a hydroelectric turbine to control water overflow so that there is no excessive degradation. This water control has an influence on the performance and production of hydroelectric energy. The daily reservoir water level (tpaw) recording of PLTA Riam Kanan is carried out through a daily direct measurement and observation process on the reservoir measuring board which is recapitulated every month in excel form. This time series historical data continues to grow every day to become a data warehouse that is still useless if only stored. Extracting knowledge from the data warehouse can be done using one of the artificial neural network data mining techniques, namely backpropagation to predict the next day's tpaw. Historical data for the tpaw time series is presented with a sliding window concept approach based on the window sizes used, namely 7, 14, 21 and 28. Some backpropagation network testing is carried out using a combination of the number of window sizes against the comparison of the amount of training data and test data on the network. The prediction results obtained with the smallest mean squared error (mse) in network testing is 0.000577 as a high accuracy value of the prediction results. The network architecture with the smallest mse using 28 input layers, 10 hidden layers and 1 output layer can be a knowledge that can help the hydropower plant as an alternative in making turbine operation decisions based on the predicted results of reservoir water level.

Title

Found 30 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 30 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 30 Documents
Search